【进阶篇】数据筛选与过滤：Boolean Indexing技巧

# 1.1 Boolean Indexing的基本概念

布尔索引是一种强大的数据操作技术，它使用布尔表达式来筛选和操作数据。布尔表达式由逻辑运算符（如 AND、OR、NOT）和布尔值（如 True、False）组成，用于指定要筛选或操作的数据的条件。

布尔索引的原理是将数据中的每一行或列视为一个布尔值，表示该行或列是否满足给定的条件。例如，如果我们有一个数据框，其中一列表示性别，我们可以使用布尔索引来筛选出所有女性行：

import pandas as pd

df = pd.DataFrame({
    "name": ["Alice", "Bob", "Charlie", "Dave"],
    "gender": ["female", "male", "male", "female"]
})

female_rows = df[df["gender"] == "female"]
print(female_rows)

输出：

   name gender
0  Alice  female
3   Dave  female

# 2. Boolean Indexing的语法和操作符

### 2.1 布尔索引的语法结构

布尔索引的语法结构遵循以下格式：

df[条件]

其中：

* `df` 是要进行布尔索引操作的数据框
* `条件` 是一个布尔表达式，用于指定要筛选或过滤的数据

布尔表达式可以包含以下元素：

* **比较运算符：** `==`（等于）、`!=`（不等于）、`<`（小于）、`>`（大于）、`<=`（小于或等于）、`>=`（大于或等于）
* **逻辑运算符：** `&`（与）、`|`（或）、`~`（非）
* **括号：** 用于分组和指定运算符优先级

### 2.2 布尔索引的常用操作符

布尔索引支持多种操作符，用于创建复杂的布尔表达式。最常用的操作符包括：

| 操作符 | 描述 |
|---|---|
| `==` | 等于 |
| `!=` | 不等于 |
| `<` | 小于 |
| `>` | 大于 |
| `<=` | 小于或等于 |
| `>=` | 大于或等于 |
| `&` | 与（两个条件都为真时返回真） |
| `|` | 或（两个条件中有一个为真时返回真） |
| `~` | 非（将真变为假，假变为真） |

例如，以下代码使用布尔索引从数据框中筛选出年龄大于 30 且性别为男性的行：

import pandas as pd

df = pd.DataFrame({
    '年龄': [20, 35, 40, 25, 30],
    '性别': ['女', '男', '男', '女', '男']
})

result = df[(df['年龄'] > 30) & (df['性别'] == '男')]

print(result)

输出：

   年龄 性别
1   35   男
2   40   男
4   30   男

# 3. Boolean Indexing的实践应用

### 3.1 基于布尔索引的数据筛选

布尔索引不仅可以用于数据过滤，还可以用于数据筛选，即从数据集中选择满足特定条件的行或列。

#### 3.1.1 单条件筛选

最简单的布尔索引操作是单条件筛选，即根据单个条件从数据集中选择行或列。例如，以下代码从名为`df`的数据框中选择所有年龄大于30岁的行：

df