要选择列值等于标量的行
some_value，请使用
==：
df.loc[df['column_name'] == some_value]
要选择列值可迭代的行
some_values，请使用
isin：
df.loc[df['column_name'].isin(some_values)]
结合以下条件
&：
df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]
注意括号。由于Python的运算符优先级规则，
&绑定比
<=和更紧密
>=。因此，最后一个示例中的括号是必需的。没有括号
df['column_name'] >= A & df['column_name'] <= B
被解析为
df['column_name'] >= (A & df['column_name']) <= B
这导致一个系列的真值是模棱两可的错误。
要选择列值不相等的行
some_value，请使用
!=：
df.loc[df['column_name'] != some_value]
isin返回一个布尔系列，因此要选择值不在 in的行，请
some_values使用
~以下命令对布尔系列求反：
df.loc[~df['column_name'].isin(some_values)]
例如，
import pandas as pdimport numpy as npdf = pd.Dataframe({'A': 'foo bar foo bar foo bar foo foo'.split(), 'B': 'one one two three two two one three'.split(), 'C': np.arange(8), 'D': np.arange(8) * 2})print(df)# A B C D# 0 foo one 0 0# 1 bar one 1 2# 2 foo two 2 4# 3 bar three 3 6# 4 foo two 4 8# 5 bar two 5 10# 6 foo one 6 12# 7 foo three 7 14print(df.loc[df['A'] == 'foo'])输出
A B C D0 foo one 0 02 foo two 2 44 foo two 4 86 foo one 6 127 foo three 7 14
如果您要包含多个值，请将它们放在列表中（或更普遍地说，是任何可迭代的）并使用
isin：
print(df.loc[df['B'].isin(['one','three'])])
输出
A B C D0 foo one 0 01 bar one 1 23 bar three 3 66 foo one 6 127 foo three 7 14
但是请注意，如果您希望多次执行此操作，则先创建索引然后再使用会更有效df.loc：
df = df.set_index(['B'])print(df.loc['one'])
输出
A C DB one foo 0 0one bar 1 2one foo 6 12
或者，要包含索引中的多个值，请使用df.index.isin：
df.loc[df.index.isin(['one','two'])]
输出
A C DB one foo 0 0one bar 1 2two foo 2 4two foo 4 8two bar 5 10one foo 6 12
