Pandas的DataFrame在筛选列数据的时候，有一个非常方便的用法。
假设现在有这样一个DataFrame：
import pandas as pd data = [ {'name': 'kingname', 'age': 20, 'salary': 99999}, {'name': 'alice', 'age': 30, 'salary': 99999}, {'name': 'bob', 'age': 10, 'salary': 99999}, {'name': 'cindy', 'age': 40, 'salary': 99999} ] df = pd.DataFrame(data) df
运行效果如下图所示：
我要筛选所有 age>=30的数据，可以这样写：
df[df['age'] >= 30]
运行效果如下图所示：
而这里面的原理，实际上可以使用下面这个代码来解释：
df[[False, True, False, True]]
如下图所示：
那么问题来了，我有一个Python里面，列表能不能也实现这个功能呢？假设有下面两个列表：
name_list = ['kingname', 'alice', 'bob', 'cindy'] position_list = [True, False, True, False]
我想把 position_list列表中， True的下标在 name_list中对应的值都获取下来。
你可能会这样写代码：
name_list = ['kingname', 'alice', 'bob', 'cindy'] position_list = [True, False, True, False] for name, position in zip(name_list, position_list): if position: print(name)
运行效果如下图所示：
但实际上，在Python里面有一个现成的函数可以实现这个功能，那就是
itertools.compress()，其使用方法如下： 1. from itertools import compress 2. 3. name_list = ['kingname', 'alice', 'bob', 'cindy'] 4. position_list = [True, False, True, False] 5. 6. for name in compress(name_list, position_list): 7. print(name)
运行效果如下图所示：
