我将从最核心的 布尔索引 开始，然后介绍更强大的 query() 方法，最后讲解如何使用 merge() 函数进行类似 SQL 的表匹配。
（图片来源网络，侵删）
准备工作：创建示例 DataFrame
为了方便演示，我们先创建两个示例 DataFrame。
import pandas as pd
import numpy as np
# 创建第一个 DataFrame：员工信息
df_employees = pd.DataFrame({
'employee_id': [101, 102, 103, 104, 105],
'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'department': ['HR', 'IT', 'IT', 'Finance', 'HR'],
'salary': [70000, 85000, 90000, 75000, 68000],
'join_date': pd.to_datetime(['2025-01-15', '2025-03-10', '2025-07-22', '2025-02-01', '2025-11-30'])
})
# 创建第二个 DataFrame：部门预算
df_budgets = pd.DataFrame({
'department': ['HR', 'IT', 'Finance', 'Marketing'],
'budget_2025': [500000, 1200000, 800000, 600000],
'manager': ['Mr. Smith', 'Ms. Jones', 'Mr. Brown', 'Ms. Lee']
})
print("--- 员工信息 ---")
print(df_employees)
print("\n--- 部门预算 ---")
print(df_budgets)
输出：
--- 员工信息 ---
employee_id name department salary join_date
0 101 Alice HR 70000 2025-01-15
1 102 Bob IT 85000 2025-03-10
2 103 Charlie IT 90000 2025-07-22
3 104 David Finance 75000 2025-02-01
4 105 Eve HR 68000 2025-11-30
--- 部门预算 ---
department budget_2025 manager
0 HR 500000 Mr. Smith
1 IT 1200000 Ms. Jones
2 Finance 800000 Mr. Brown
3 Marketing 600000 Ms. Lee布尔索引 - 最核心的匹配方式
这是 Pandas 中最常用、最基础的匹配/筛选方法，其基本思想是：创建一个由 True 和 False 组成的 Series（布尔掩码），然后用这个掩码来筛选 DataFrame 的行。
1 单条件匹配
匹配 department 为 'IT' 的所有员工。
（图片来源网络，侵删）
# 条件：department 列等于 'IT' condition_it = df_employees['department'] == 'IT' # 使用方括号进行筛选 it_employees = df_employees[condition_it] print(it_employees)
输出：
employee_id name department salary join_date
1 102 Bob IT 85000 2025-03-10
2 103 Charlie IT 90000 2025-07-22核心语法：df[df['column_name'] == value]
2 多条件匹配
可以使用 & (与)、 (或)、 (非) 来组合多个条件。注意：每个条件都必须用括号 括起来！
示例：查找 IT 部门薪资高于 88000 的员工
（图片来源网络，侵删）
# 条件1：部门是 IT condition_dept = df_employees['department'] == 'IT' # 条件2：薪资大于 88000 condition_salary = df_employees['salary'] > 88000 # 使用 & (AND) 组合两个条件 high_paid_it_employees = df_employees[condition_dept & condition_salary] print(high_paid_it_employees)
输出：
employee_id name department salary join_date
2 103 Charlie IT 90000 2025-07-22核心语法：df[(condition1) & (condition2)]
3 使用 isin() 匹配多个值
如果你想匹配某一列是多个值中的一个，isin() 是非常方便的工具。
示例：查找 HR 和 Finance 部门的员工
# 创建一个包含目标部门的列表 target_departments = ['HR', 'Finance'] # 使用 isin() 方法 hr_finance_employees = df_employees[df_employees['department'].isin(target_departments)] print(hr_finance_employees)
输出：
employee_id name department salary join_date
0 101 Alice HR 70000 2025-01-15
3 104 David Finance 75000 2025-02-01
4 105 Eve HR 68000 2025-11-304 使用 str.contains() 进行字符串模糊匹配
如果你想匹配列中包含某个字符串的行，可以使用 .str.contains()。
示例：查找名字中包含 'a' 的员工
# na=False 表示将 NaN 值视为 False，避免报错
employees_with_a = df_employees[df_employees['name'].str.contains('a', na=False)]
print(employees_with_a)
输出：
employee_id name department salary join_date
0 101 Alice HR 70000 2025-01-15
2 103 Charlie IT 90000 2025-07-22
3 104 David Finance 75000 2025-02-01query() 方法 - 更简洁的查询语法
query() 方法提供了一种更接近自然语言的查询方式，当条件复杂时,代码可读性更高。
1 基本用法
示例：查找 IT 部门薪资高于 88000 的员工
# 使用 query 方法
high_paid_it_employees_query = df_employees.query("department == 'IT' and salary > 88000")
print(high_paid_it_employees_query)
输出与之前完全相同。
优势：
- 无需反复输入
df_employees['...'],可以直接使用列名。 - 括号 仍然用于分组,但语法更直观。
2 在 query() 中引用外部变量
如果你想在外部定义一个变量并在 query() 中使用，需要在变量名前加上 符号。
示例：查找薪资高于某个特定值的员工
salary_threshold = 85000
# 使用 @ 引用外部变量
high_salary_employees = df_employees.query(f"salary > @{salary_threshold}")
print(high_salary_employees)
输出：
employee_id name department salary join_date
2 103 Charlie IT 90000 2025-07-22merge() 函数 - 数据库式的表匹配
当你需要将两个 DataFrame 的列根据某个共同的键（key）进行合并时，merge() 就派上用场了，这类似于 SQL 中的 JOIN 操作。
我们将使用上面创建的 df_employees 和 df_budgets。
1 内连接 - how='inner' (默认)
只保留两个 DataFrame 中键值匹配的行。
示例：将员工信息与部门预算合并，只显示有预算的部门员工
# 默认 how='inner' merged_inner = pd.merge(df_employees, df_budgets, on='department') print(merged_inner)
输出：
employee_id name department salary join_date budget_2025 manager
0 101 Alice HR 70000 2025-01-15 500000 Mr. Smith
1 105 Eve HR 68000 2025-11-30 500000 Mr. Smith
2 102 Bob IT 85000 2025-03-10 1200000 Ms. Jones
3 103 Charlie IT 90000 2025-07-22 1200000 Ms. Jones
4 104 David Finance 75000 2025-02-01 800000 Mr. BrownMarketing部门没有员工,所以不出现。Eve和Alice都在HR部门，所以她们的记录都与HR的预算信息合并了。
2 左连接 - how='left'
保留左边 DataFrame (df_employees) 的所有行，右边 DataFrame (df_budgets) 中没有匹配的键值会用 NaN 填充。
示例：查看所有员工及其部门预算（如果部门没有预算则显示 NaN）
merged_left = pd.merge(df_employees, df_budgets, on='department', how='left') print(merged_left)
输出：
employee_id name department salary join_date budget_2025 manager
0 101 Alice HR 70000 2025-01-15 500000 Mr. Smith
1 102 Bob IT 85000 2025-03-10 1200000 Ms. Jones
2 103 Charlie IT 90000 2025-07-22 1200000 Ms. Jones
3 104 David Finance 75000 2025-02-01 800000 Mr. Brown
4 105 Eve HR 68000 2025-11-30 500000 Mr. Smith- 所有员工都保留了，因为左连接保证了
df_employees的完整性。
3 右连接 - how='right'
保留右边 DataFrame (df_budgets) 的所有行，左边 DataFrame (df_employees) 中没有匹配的键值会用 NaN 填充。
示例：查看所有部门及其员工（如果部门没有员工则显示 NaN）
merged_right = pd.merge(df_employees, df_budgets, on='department', how='right') print(merged_right)
输出：
employee_id name department salary join_date budget_2025 manager
0 101.0 Alice HR 70000 2025-01-15 500000 Mr. Smith
1 105.0 Eve HR 68000 2025-11-30 500000 Mr. Smith
2 102.0 Bob IT 85000 2025-03-10 1200000 Ms. Jones
3 103.0 Charlie IT 90000 2025-07-22 1200000 Ms. Jones
4 104.0 David Finance 75000 2025-02-01 800000 Mr. Brown
5 NaN NaN Marketing NaT NaT 600000 Ms. LeeMarketing部门被保留了，因为它在右边的df_budgets中，但没有员工，所以员工信息列显示为NaN。
4 外连接 - how='outer'
保留两个 DataFrame 的所有行，没有匹配的键值都用 NaN 填充。
示例：查看所有员工和所有部门的信息，无论是否能匹配上
merged_outer = pd.merge(df_employees, df_budgets, on='department', how='outer') print(merged_outer)
输出：
employee_id name department salary join_date budget_2025 manager
0 101.0 Alice HR 70000 2025-01-15 500000 Mr. Smith
1 105.0 Eve HR 68000 2025-11-30 500000 Mr. Smith
2 102.0 Bob IT 85000 2025-03-10 1200000 Ms. Jones
3 103.0 Charlie IT 90000 2025-07-22 1200000 Ms. Jones
4 104.0 David Finance 75000 2025-02-01 800000 Mr. Brown
5 NaN NaN Marketing NaT NaT 600000 Ms. Lee- 这是左连接和右连接的并集。
总结与选择建议
| 场景 | 推荐方法 | 描述 |
|---|---|---|
| 根据条件筛选行 | 布尔索引 (df[df['A'] > 5]) |
最基础、最灵活、性能最好，适用于几乎所有筛选场景。 |
| 条件复杂，追求可读性 | query() 方法 (df.query("A > 5 and B == 'X'")) |
语法更简洁，接近自然语言，适合复杂条件。 |
| 需要匹配多个值 | isin() (df[df['A'].isin([1, 2, 3])]) |
检查某列的值是否存在于给定的列表中，非常高效。 |
| 需要合并两个表 | merge() 函数 (pd.merge(df1, df2, on='key')) |
类似 SQL 的 JOIN 操作，用于基于键值合并多个 DataFrame 的列。 |
简单记忆：
- 筛选行 -> 用
[]或query() - 合并表 -> 用
merge()
希望这份详细的指南能帮助你掌握 Pandas DataFrame 的匹配操作！
