本文介绍如何在 pandas 中高效筛选满足“某列值严格大于另一列值”条件的 dataframe 行，通过布尔索引实现精准子集提取，并附带注意事项与实用示例。
本文介绍如何在 pandas 中高效筛选满足“某列值严格大于另一列值”条件的 dataframe 行，通过布尔索引实现精准子集提取，并附带注意事项与实用示例。
在数据分析中，常需根据多列之间的逻辑关系进行行级过滤。例如，仅保留列 'a' 数值严格大于列 'b' 的记录。Pandas 提供了简洁高效的布尔索引（Boolean Indexing）机制来完成此类操作。
核心方法是使用 df.loc[condition, :]，其中 condition 是一个由布尔值组成的 Series，由列间比较生成。以您的示例为例：
import pandas as pd
df = pd.DataFrame({'a': [100, 200, 300, 400],
'b': [80, 250, 500, 350]})
# 筛选 a > b 的所有行
result = df.loc[df['a'] > df['b'], :]
print(result)输出：
a b 0 100 80 3 400 350
✅ 关键说明：
- df['a'] > df['b'] 返回一个布尔 Series（[True, False, False, True]），自动按行对齐比较；
- df.loc[...] 中逗号前的布尔数组用于行筛选，逗号后的 : 表示选择所有列（可省略，但显式写出更清晰）；
- 此操作不修改原 DataFrame，返回新视图或副本（取决于底层数据连续性，如需确保副本可加 .copy()）。
⚠️ 注意事项：
- 若列中存在缺失值（NaN），比较结果为 False（因为 NaN > any_value 恒为 False），可能意外排除含空值的有效行。如需特殊处理，建议先用 fillna() 或 dropna() 预处理；
- 列名需准确匹配（区分大小写），推荐使用 df.columns.tolist() 校验；
- 对于大规模数据，该操作时间复杂度为 O(n)，性能优异，无需循环。
总结：利用 df.loc[df[col1] > df[col2]] 是 Pandas 中实现列间条件筛选的标准、高效且可读性强的方式，适用于绝大多数数值/时间戳/字符串（支持字典序）类型的列比较场景。
