iloc与多条件筛选优化

在Pandas中，iloc用于基于整数索引的行/列筛选，而多条件筛选通常使用布尔索引或query方法

首先，我们创建一个示例DataFrame：

import pandas as pd

data = {'A': [1, 2, 3, 4, 5],
        'B': [10, 20, 30, 40, 50],
        'C': [100, 200, 300, 400, 500]}

df = pd.DataFrame(data)

方法1：使用布尔索引

# 筛选条件：A列的值大于2，B列的值小于40
condition1 = df['A'] > 2
condition2 = df['B'] < 40

# 使用布尔索引进行筛选
result = df[condition1 & condition2]
print(result)

方法2：使用query方法

# 筛选条件：A列的值大于2，B列的值小于40
result = df.query('A > 2 and B < 40')
print(result)

这两种方法都可以实现多条件筛选。如果你需要对结果进行进一步的操作，例如计算某列的和，可以在筛选后的DataFrame上进行操作：

sum_of_column_c = result['C'].sum()
print(sum_of_column_c)

在大多数情况下，这两种方法的性能相差不大。但是，当处理大型数据集时，query方法可能会更快，因为它在底层使用了NumExpr库进行加速。然而，这取决于具体的使用场景和数据类型，所以在实际应用中，建议根据实际情况进行测试和选择。