pandas布尔索引如何实现？

布尔索引通过条件表达式筛选数据，如df[df['age'] > 30]筛选年龄大于30的行，支持多条件组合与逻辑运算。

在pandas中，布尔索引是一种非常常用的数据筛选方式，它通过返回布尔值（True或False）的条件表达式来选择数据。实现布尔索引的核心是构造一个与目标数据对齐的布尔序列，然后用它来过滤出满足条件的行或列。

构造布尔条件

布尔索引的第一步是创建一个布尔表达式，该表达式作用于DataFrame或Series时会生成一个布尔序列。常见操作包括比较运算（如>、&、|、~）。

例如，假设有一个DataFrame df，包含'age'和'salary'列：

• 筛选年龄大于30的行：df[df['age'] > 30]
• 筛选工资等于50000的记录：df[df['salary'] == 50000]

多个条件的组合

实际应用中常需多个条件联合判断。注意：多个条件必须用括号括起来，并使用按位运算符。

• 同时满足两个条件（与操作）：df[(df['age'] > 30) & (df['salary']
• 满足任一条件（或操作）：df[(df['age'] 70000)]
• 取反操作（非）：df[~(df['age'] 表示年龄不小于30的行

结合isin和字符串方法

对于分类或文本数据，可以结合isin()或字符串处理方法生成布尔序列。

• 筛选姓名在特定列表中的行：df[df['name'].isin(['Alice', 'Bob'])]
• 筛选邮箱包含特定域名的记录：df[df['email'].str.contains('gmail.com')]

基本上就这些。掌握布尔索引的关键是理解条件表达式返回的是布尔序列，pandas会自动根据True位置提取对应数据。不复杂但容易忽略括号和运算符的正确使用。