本文介绍如何在 Pandas 中实现“当某列为特定值时，仅保留另一列满足指定集合的行”，其余行全部保留——通过布尔索引组合 ne() 与 isin() 实现高效、可读性强的条件过滤。
本文介绍如何在 pandas 中实现“当某列为特定值时，仅保留另一列满足指定集合的行”，其余行全部保留——通过布尔索引组合 `ne()` 与 `isin()` 实现高效、可读性强的条件过滤。
在实际数据分析中，常需对分类字段施加“条件性约束”：例如，“若食材为苹果，则菜品仅限派（Pie）或果汁（Juice）；其他食材（如土豆）则不限制菜品类型”。这种逻辑无法用单一 df.query() 或简单 .loc 直接表达，但可通过布尔掩码的逻辑组合优雅解决。
核心思路是构造两个互斥兼容的布尔条件，并用逻辑或（|）连接：
-
m = df['Ingredient'].ne('Apple')：保留所有非 Apple 的行（即 Potato 行全留）； -
n = df['Dish'].isin(['Pie', 'Juice'])：保留所有Dish 属于 ['Pie', 'Juice'] 的行（覆盖 Apple 的合法行，也包含 Potato 对应的 Pie/Juice——但这不影响结果，因 Potato 已被m全量保留）； - 最终筛选：
df[m | n]，即满足任一条件即保留。
✅ 完整示例代码如下：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({
'Index': [1, 2, 3, 4, 5, 6, 7, 8],
'Ingredient': ['Potato', 'Potato', 'Potato', 'Potato', 'Apple', 'Apple', 'Apple', 'Apple'],
'Dish': ['Pie', 'Juice', 'Fries', 'Pure', 'Pie', 'Juice', 'Fries', 'Pure']
})
# 构建布尔掩码
m = df['Ingredient'] != 'Apple' # 等价于 .ne('Apple')
n = df['Dish'].isin(['Pie', 'Juice'])
# 应用复合条件过滤
result = df[m | n].reset_index(drop=True)
print(result)输出结果：
Index Ingredient Dish 0 1 Potato Pie 1 2 Potato Juice 2 3 Potato Fries 3 4 Potato Pure 4 5 Apple Pie 5 6 Apple Juice
⚠️ 注意事项：
- 不要误用
and/or：Pandas 布尔索引必须使用&、|、~（逐元素逻辑），而非 Python 原生and/or（会报错ValueError: The truth value of a Series is ambiguous）； - 条件顺序不影响结果，但建议先写宽泛条件（如
ne）再写精细条件（如isin），提升可读性； - 若需扩展为多类别限制（如 Apple→['Pie','Juice']，Orange→['Juice','Salad']），可改用
numpy.select()或pd.Series.map()配合字典映射预定义规则，再结合isin判断。
该方法简洁、向量化、无循环，是 Pandas 条件过滤的推荐实践之一。
