Python pandas DataFrame选取筛选排序新增列实战教程

脚本专家

在办公自动化场景中，使用Python处理Excel表格的核心在于掌握DataFrame的选取与加工操作。本文围绕高频动作展开：按列选取、按行选取、按区块选取、条件筛选、排序、新增列与删除行列，并演示如何将这些操作串联成完整的数据处理链路。

首先准备演示用的DataFrame：

2. import pandas as pd
3. data = pd.DataFrame({
4.     "c1": ["A", "B", "C", "D"],
5.     "c2": [10, 30, 20, 30],
6.     "c3": [100, 200, 150, 80],
7. }, index=["r1", "r2", "r3", "r4"])
8. print(data)

复制代码

按列选取：data['c1']与data[['c1']]的区别
最常见的操作用data["c1"]返回Series（一维数据），而data[["c1"]]返回DataFrame（二维表结构）。

2. col = data["c1"]
3. print(type(col))  # Series
4. col_df = data[["c1"]]
5. print(type(col_df))  # DataFrame

复制代码

若后续需要拼接、导出或继续以表格形式操作，建议优先使用双中括号以保留表结构。选取多列也使用相同语法：data[["c1", "c3"]]。

按行选取：head、iloc、loc如何选
head()用于快速预览数据：data.head(3)查看前3行。
iloc按位置选取：data.iloc[0]取第一行，data.iloc[0:2]取第0行到第1行（左闭右开）。
loc按标签选取：data.loc["r2"]取索引为r2的行，loc["r2":"r4"]包含右端点r4。

2. print(data.iloc[0])       # 第一行
3. print(data.iloc[0:2])     # 前两行
4. print(data.loc["r2"])     # 标签r2
5. print(data.loc["r2":"r4"]) # 标签r2到r4

复制代码

iloc用数字位置，loc用业务标签（如工号、日期），根据索引类型选择合适的方法。

按区块选取：iloc[row, col]与loc[rows, cols]
iloc可以定位单元格或矩形区域：

2. print(data.iloc[0, 1])       # 第0行第1列的值
3. print(data.iloc[0:2, 0:2])   # 前2行前2列的子表

复制代码

loc则按标签定位：

2. print(data.loc["r2", "c3"])              # 标签r2、列c3的值
3. print(data.loc["r1":"r3", ["c1", "c3"]])  # r1到r3行，仅c1和c3列

复制代码

注意：iloc与loc不可混用，否则会选错数据。

条件筛选：只保留符合条件的行
单条件筛选：data[data["c2"] > 15] 保留c2大于15的行。
复合条件必须使用&（与）和|（或），且每个条件用括号包裹：

2. # 正确写法
3. result = data[(data["c2"] == 30) & (data["c3"] >= 100)]

复制代码

常见错误：使用and/or或忘记加括号。筛选后建议检查行数：print(len(result))。

排序：sort_values与sort_index
按列排序：

2. result = data.sort_values(by="c2", ascending=False)  # 降序
3. result = data.sort_values(by=["c2", "c3"], ascending=[True, False]) # 多列

复制代码

按索引排序：data.sort_index()，适用于日期或编号索引。

新增列与删除行列
新增列类似Excel公式：

2. data["c4"] = data["c2"] * 2
3. # 或组合计算
4. data["c4"] = data["c2"] * 10 + data["c3"]

复制代码

删除行列使用drop：

2. data2 = data.drop(columns=["c3"])      # 删除列
3. data2 = data.drop(index=["r1", "r3"])  # 删除行

复制代码

inplace=True会直接修改原DataFrame，新手建议生成新变量，便于调试。

串联完整处理链
实际工作中常需组合操作：筛选c2>=20的行，按c3降序排序，新增c4=c2*2，最后删除c1列。

2. result = data[data["c2"] >= 20].sort_values(by="c3", ascending=False)
3. result["c4"] = result["c2"] * 2
4. result = result.drop(columns=["c1"])
5. print(result)

复制代码

这种链式写法将Excel手工筛选、排序、公式、删除列转化为可重复执行的代码流。

常见踩坑与建议
1. 复合条件必须使用& / |并加括号，不能用and/or。
2. loc与iloc按标签/位置本质不同，混用会取错数据。
3. 对筛选切片赋值可能触发SettingWithCopyWarning，建议使用.copy()：

2. result = data[data["c2"] >= 20].copy()
3. result["c4"] = result["c2"] * 2

复制代码

4. 删除列时慎用inplace=True，尽量保留原数据。
5. 每一步处理后打印shape和columns，验证数据是否符合预期。

总结
DataFrame的选取与处理是pandas办公自动化的核心。掌握按列选取（单列/多列）、按行选取（位置/标签）、区块定位、条件筛选、排序、新增列与删除行，就能将Excel手工操作翻译成稳定、可复用的代码。建议按“读取→选取→筛选→排序→新增列→删除→导出”顺序设计脚本，并重视每一步的验证，避免静默错误。

热心网友3

感谢楼主的详细教程！特别是关于 `data['c1']` 和 `data[['c1']]` 的区别、条件筛选时 & 必须加括号的提醒，以及 `SettingWithCopyWarning` 的处理建议，都是新手容易踩坑的地方，讲得很清楚。想请教一下，在串联完整处理链的时候，如果中间需要多次筛选和新增列，用 `.copy()` 创建副本后操作，是不是比链式写法更安全、更易调试？

热心网友3

非常干货的教程！感谢楼主的详细讲解，特别是 `iloc` 与 `loc` 的区别、复合条件筛选的括号与 `&` 用法，还有 `SettingWithCopyWarning` 的防范，这些都是新手最容易踩坑的地方。我平时用 pandas 处理报表时，经常需要把筛选、排序、新增列串起来操作，楼主最后那个完整处理链的例子特别实用——相当于把 Excel 里的多步手工操作变成一行行可复用的代码，对办公自动化帮助很大。有个小问题想请教：如果源数据有缺失值，在筛选前一般先做 `dropna` 还是可以在筛选条件里直接用 `notna` 处理？期待楼主后续还能分享更多实战案例。

热心网友3

这篇教程非常实用，把DataFrame最常用的操作和容易踩坑的点都讲清楚了，尤其是`loc`和`iloc`的区别、复合条件筛选加括号、以及赋值时用`.copy()`避免警告，都是新手经常忽略但至关重要的细节。对初学者来说，能照着这个链式处理的思路一步步操作，很快就能上手处理Excel表格了。感谢分享！