抽一列用单方括号拿 Series，抽多列用双方括号拿 DataFrame，差一个括号差很多。 条件筛选的本质是造一列 True/False，再拿它当行号用。 多条件必须用 & 和 |，每个条件各自加括号，不能用 and 和 or。
上一篇按行抽，这一篇按列抽，再按条件抽——条件筛选是实际用得最多的一种挑法。 十行数据里挑「数学高于 88」的四个人，手工数得过来，一万行就只能靠它。
一、抽一列：一个方括号
df['语文'] 拿到一个 Series，长度和表一样，标签是行标签。
它没有 columns 属性，只有 name——名字就是「语文」。
这个区别很要紧：后面能调什么方法，取决于拿到的是 Series 还是 DataFrame。
df['语文'].columns 会报 AttributeError，正确写法是 df[ ['语文'] ].columns。
二、抽多列：两个方括号
df[ ['姓名', '语文'] ] 拿到的是 DataFrame，列数 2。
| 姓名 | 语文 |
|---|---|
| 张伟 | 88 |
| 王芳 | 92 |
| 李娜 | 75 |
两个方括号里放的其实是「列名列表」，所以写法是列表套列表。
少写一层括号，拿到的就是单个 Series，后面的 .columns 直接报错。
记法：要几列就用列表，一列也可以写成列表，行为统一成 DataFrame。
三、条件筛选：先造一列布尔值
df['数学'] > 88 得到一串 True/False，和表一样长。
把它塞回方括号：df[df['数学'] > 88]，只留下 True 那些行。
| 姓名 | 数学 |
|---|---|
| 张伟 | 92 |
| 王芳 | 95 |
| 赵敏 | 91 |
| 吴霞 | 90 |
数学高于 88 的有 4 人。李娜 68、刘洋 88 都没进来——88 不算高于 88。 本质：先用条件造一列布尔值，再拿它当行号。顺序不能反，先想条件再筛行。
四、多条件：& 和 | 的用法
两科都高于 85 的写法：df[(df['语文'] > 85) & (df['数学'] > 85)]。
| 姓名 | 语文 | 数学 |
|---|---|---|
| 张伟 | 88 | 92 |
| 王芳 | 92 | 95 |
| 赵敏 | 95 | 91 |
符合的有 3 人。三个符号要记牢：& 是并且，| 是或者，~ 是取反。
每个条件都要各自加一层括号。不写括号会先算 & 再算 >，结果全错。
写成 df.数学 > 85 and df.语文 > 85 直接报错：and 只能比两个布尔值，比不了两列。
五、一步取行列：loc 两个参数
df.loc[条件, 列名列表] 一次干两件事：先筛行，再挑列。
| 姓名 | 数学 |
|---|---|
| 张伟 | 92 |
| 王芳 | 95 |
等价写法是 df[df['数学'] > 88][ ['姓名', '数学'] ]，但读起来要绕。
loc 的第二个参数可以是单个列名、列名列表，也可以是切片 '语文':'英语'。
筛完再挑列，用一行 loc 比串两个方括号清楚，也少一次中间对象。
六、动手 Demo：抽取列与按条件筛选
同一张成绩表，先演示单列和多列的返回类型差别，再做单条件与双条件筛选。 最后用 loc 一步到位，和串两个方括号的写法对一遍结果。
import pandas as pd
DF = pd.DataFrame({
"姓名": ["张伟", "王芳", "李娜", "刘洋", "陈静"],
"语文": [88, 92, 75, 85, 90],
"数学": [92, 95, 68, 88, 91],
})
print("单列 %s" % type(DF["语文"]).__name__)
print("多列 %s" % type(DF[ ["姓名", "语文"]]).__name__)
hot = DF[DF["数学"] > 88]
print("数学>88：%d 人" % len(hot))
both = DF[(DF["语文"] > 85) & (DF["数学"] > 85)]
print("两科>85：%d 人" % len(both))
print(both.loc[:, ["姓名", "语文", "数学"]].to_string(index=False))
实跑输出：
--------------------------------------------------------------------
抽取列与按条件筛选
--------------------------------------------------------------------
① 抽一列和抽多列
--------------------------------------------------------------------
抽一列用单方括号：df['语文']，拿到 Series。
抽多列用双方括号：df[ ['姓名','语文']]，拿到 DataFrame。
| 行 | 姓名 | 语文 |
|---|---:|---:|
| 0 | 张伟 | 88 |
| 1 | 王芳 | 92 |
| 2 | 李娜 | 75 |
一个方括号给 Series，两个给 DataFrame。这个区别决定了后面能调什么方法。
! Series 没有 columns 属性，DataFrame 有。写 df[ ['语文']].columns 才不会报错。
② 按条件筛：造一个布尔列
--------------------------------------------------------------------
df['数学'] > 88 得到一串 True/False：[True, True, False, False, False] ……
把它塞回 df 的方括号里，就只留下 True 那些行。
| 行 | 姓名 | 数学 |
|---|---:|---:|
| 0 | 张伟 | 92 |
| 1 | 王芳 | 95 |
| 6 | 赵敏 | 91 |
| 9 | 吴霞 | 90 |
数学高于 88 的有 4 人。
! 布尔索引的本质：先用条件造一列 True/False，再拿它当行号。顺序不能反。
③ 多个条件：要用 & 和 |
--------------------------------------------------------------------
两科都高于 85 的有 3 人。
| 行 | 姓名 | 语文 | 数学 |
|---|---:|---:|---:|
| 0 | 张伟 | 88 | 92 |
| 1 | 王芳 | 92 | 95 |
| 6 | 赵敏 | 95 | 91 |
必须用 & 不能用 and，每个条件要各自加括号。写成 df.数学 > 85 and df.语文 > 85 会报错。
! 原因：and 只能比两个布尔值，不能比两个 Series。& 是按元素运算。
④ 筛完再挑列
--------------------------------------------------------------------
loc 可以一次干两件事：df.loc[条件, 列名列表]。
| 行 | 姓名 | 数学 |
|---|---:|---:|
| 0 | 张伟 | 92 |
| 1 | 王芳 | 95 |
| 6 | 赵敏 | 91 |
| 9 | 吴霞 | 90 |
这一句等价于 df[df['数学']>88][ ['姓名','数学']]，但写法更清楚。
! loc 的第二个参数是列，可以是单个名字、列表，也可以是切片。
type(DF['语文']).__name__ 打出来是 Series，多列那个是 DataFrame——差一层方括号就差一个类型。
括号要包住整个条件，不是包住数字。df['数学'] > 88 & 2 是错的，得写 (df['数学'] > 88)。
30 秒实验
- 把条件改成
>= 88，看李娜、刘洋会不会进来。 - 用
|筛「语文高于 90 或数学高于 90」，数一数几个人。 - 想一想：
~取反怎么用？把上面那个条件取反，结果是不是正好互补？
常见误区
- 用 and 连两个条件：报 ValueError，因为 and 比不了两列。
- 条件不加括号：
df['数学'] > 88 & 2被解析成先算88 & 2，结果莫名其妙。 df['语文']后面调 columns：Series 没有这个属性。- 以为 88 会被算进「高于 88」：
>和>=差一个人，报告里就差一句话。
自测三问（点开对答案）
1. `df['语文']` 和 `df[ ['语文'] ]` 有什么区别？ —— 前者是 Series（一维，有 name 没 columns），后者是 DataFrame（二维，有 columns）。 2. 为什么两个条件必须用 & 而不是 and？ —— and 只能对两个布尔值做判断，这里两边都是整列布尔值，要用按元素运算的 &。 3. 条件筛选的本质是什么？ —— 先用条件造一列 True/False，再拿这一列当行号去挑行。行和列都会挑了。接下来反过来：往表里加列、加行，把算出来的结果存进去。
- ☐ （本篇完，下一篇 3.10 增加数据：加列与加行）