你怎么过滤多个列的pandas数据框

要通过单个列过滤数据框（df），如果我们考虑男性和女性的数据，我们可能会：

males = df[df[Gender]=='Male'] 

问题1 – 但是，如果数据跨越多年，我想只看到2014年的男性呢？

在其他语言中，我可能会这样做：

 if A = "Male" and if B = "2014" then 

（除了我想这样做，并获得一个新的数据框对象的原始数据框的一个子集）

问题2：如何在循环中完成这项工作，并为每一个独特的年份和性别设置一个数据框对象（例如：2013-男性，2013-女性，2014-男性和2014-女性

 for y in year: for g in gender: df = ..... 

Answer 1

使用&运算符，不要忘记用()来包装子语句：

 males = df[(df[Gender]=='Male') & (df[Year]==2014)] 

要使用for循环将您的数据框存储在dict ：

 from collections import defaultdict dic={} for g in ['male', 'female']: dic[g]=defaultdict(dict) for y in [2013, 2014]: dic[g][y]=df[(df[Gender]==g) & (df[Year]==y)] #store the DataFrames to a dict of dict 

编辑：

你的getDF的演示：

 def getDF(dic, gender, year): return dic[gender][year] print genDF(dic, 'male', 2014) 

Answer 2

对于您希望用作filter并依赖于多个列的更一般的布尔函数，可以使用：

 df = df[df[['col_1','col_2']].apply(lambda x: f(*x), axis=1)] 

其中f是应用于来自col_1和col_2的每对元素（x1，x2）的函数，并根据您想要的（x1，x2）上的任何条件返回True或False。