3.1 数据筛选与切片：loc、iloc 与 query

3.1 数据筛选与切片：loc、iloc 与 query

本节摘要：筛选是切配台的第一刀——布尔面具定条件，loc 按标签下刀，iloc 按位置下刀，query 把条件写成一句话。本节讲清四把刀的分工、与或非的组合写法，以及链式索引的陷阱。承接第 2 章洗好的料，通往 3.2 的排序站位。

某场评审会上的五分钟

某场评审会上，业务方临时要看"华东大区、季度金额过千、且还没退款"的客户名单。会前没人准备，现场五分钟全靠筛选功夫救场——条件一层层叠上去，行数一张张收窄，名单当场出。这就是本节要练的手感：拿到任何"只看某部分"的需求，都能用顺手的刀法快速切出来。往前承接择菜间产出的干净表，往后，切好的片要交给 3.2 排出次序。

适用场景：四把刀各管一面

布尔面具是筛选的地基：条件表达式产出一列真与假，pandas 按它留行。loc 按标签取——行标签、列名，写起来最像"点菜"；它还能顺手赋值，是改数的正路。iloc 按位置取——第几行第几列，纯看坐次不问姓名，适合"取前几行看看""取最后一行"这类位置需求。query 把条件写成字符串表达式，多层条件时最接近人话，长链条可读性最好。四把刀不是互斥关系：面具常与 loc 搭档使用，query 则是面具的语法糖。

图 loc 与 iloc 的两套坐标

筛选结果的验收动作

切片切完，两眼一抹黑地往下传是大忌。固定的验收动作有两条：一看行数与列数（shape 属性一行出结果，对照预期）；二抽查首尾几行（head 与 tail 各看一眼），确认切出来的确实是想要的那块。这两眼合计不超过十秒，却能把"条件写反""列拿错"这类低级事故拦在第一时间——切配台的活快不快，很大程度取决于返工多不多。

参数拆解：旋钮逐个拧

df.loc[行条件, 列选择]：行位置放面具或标签列表，列位置放列名列表；单个标签返回标量，列表返回表。df.iloc[行号, 列号]：整数下标，切片遵循 Python 惯例含头不含尾。df.query("表达式")：字符串里直接写 列名与数值的比较，多个条件用 and、or（query 内部解析，不受普通索引那句与或非限制）；列名带空格时用反引号包住。s.isin(候选列表)：判断"值在不在名单里"，是"多选一"筛选的利器。s.between(下界, 上界)：区间筛选的 sugar，inclusive 参数控制两端开闭。

import pandas as pd

df = pd.DataFrame({
    "大区": ["华东", "华南", "华东", "华北", "华东"],
    "金额": [1280.0, 640.0, 990.0, 1500.0, 420.0],
    "状态": ["完成", "完成", "退款", "完成", "完成"],
}, index=["r1", "r2", "r3", "r4", "r5"])

mask = (df["大区"] == "华东") & (df["金额"] > 500) & (df["状态"] != "退款")
print(df.loc[mask, ["大区", "金额"]])
#     大区     金额
# r1  华东  1280.0
print(df.query("大区 == '华东' and 金额 > 500 and 状态 != '退款'"))
print(df[df["大区"].isin(["华东", "华南"])].shape)   # (4, 3)
​

实操示例：从全量到名单的完整下刀

把评审会那道题完整走一遍：多条件面具、按列裁剪、按金额取前三、最后回填一个状态。注意每一步都是"出新表"，不动原料。

# 刀一：面具加 loc，条件收紧
target = df.loc[(df["大区"] == "华东") & (df["状态"] == "完成")]
# 刀二：isin 多选一，把华南也圈进来
target = df[df["大区"].isin(["华东", "华南"]) & (df["状态"] == "完成")]
# 刀三：按金额取前三（详见 3.2）
top3 = target.nlargest(3, "金额")
# 刀四：iloc 按位置取最后一行做抽查
print(top3.iloc[-1])
# 大区     华东
# 金额   1280.0
# 状态     完成
# Name: r1, dtype: object
​

筛选的三条配套纪律

下刀之外，切配还有三条配套纪律，少一条就埋雷。**其一，筛选结果当副本用。**面具切出的表在内部实现上可能是视图，直接在它上面赋值会触发链式索引的连带问题——养成 mask 加 loc 一次到位、或对结果显式 copy() 的习惯，改数才稳。**其二，筛选前先看行数。**条件写完先 print(len(df[mask]))，行数为零多半是条件写反（相等写成不等、日期口径差一天），行数爆表多半是条件失效没起过滤作用——行数是筛选的免费体检。其三，条件复用要抽函数。"高价值客户"这类口径在报表里反复出现，散落各处迟早不一致——封装成返回面具的小函数，口径改一处全局生效。

def 高价值(df, 门槛=1000.0):
    """口径只写一处：金额达标且非退款的订单。"""
    return (df["金额"] >= 门槛) & (df["状态"] != "退款")

print(df.loc[高价值(df), ["大区", "金额"]])
​

坑点与翻车

**翻车一：and 与 or 直接写进面具。**Python 的 and 要求两侧都是明确的真假，Series 会当场抛"真值不明确"异常。面具组合必须用位运算符：与或非分别写作与号、竖线、波浪号，且每个条件都要加括号——位运算优先级高于比较。**翻车二：链式索引赋值不生效。**df[df["大区"]=="华东"]["金额"]=0 这类写法是对中间副本赋值，原表纹丝不动，还会收到 SettingWithCopyWarning。正路是一次性 loc：df.loc[面具, "金额"]=0。**翻车三：loc 与 iloc 的区间口径搞反。**loc 含头含尾，iloc 含头不含尾——同一组数字在两套坐标下切出的行数不同，背错一次就错一次。

替代方案

条件很长时，query 的字符串写法最清爽，但它内部要解析表达式，性能敏感的循环里不如预计算的面具；"取最大最小的几行"不必排序全表，nlargest 与 nsmallest 直达（3.2 详述）；"按条件保留形状"则轮到 4.4 的 where 与 mask 出场——它们不删行，只把不满足的位置改成空。

收档清单

• 四把刀：面具定条件，loc 点名，iloc 报数，query 写句子；
• 组合纪律：面具必须用与、或、非符号，条件各自加括号；
• 赋值正路：一次性 loc 定位再赋值，远离链式索引；
• 区间口径：loc 双闭，iloc 半开；
• 名单筛选：isin 管多选一，between 管区间。

切下来的片有了，下一步是让它们按次序站好：3.2 讲 sort_values、nlargest 与 rank，把名次排出章法。