我有一個場景，用戶想要將多個過濾器應用于Pandas DataFrame或Series對象。本質上，我想有效地將用戶在運行時指定的一堆過濾（比較操作）鏈接在一起。過濾器應為可加性的（又稱每個過濾器應縮小結果）。我目前正在使用，reindex()但這每次都會創建一個新對象并復制基礎數據（如果我正確理解了文檔）。因此，這在篩選大型Series或DataFrame時可能效率很低。我認為使用apply()，map()或類似的方法可能更好。我對Pandas來說還很陌生，所以仍然想盡一切辦法。TL; DR我想采用以下形式的字典，并將每個操作應用于給定的Series對象，然后返回“已過濾” Series對象。relops = {'>=': [1], '<=': [1]}長例子我將從當前的示例開始，僅過濾單個Series對象。以下是我當前正在使用的功能：   def apply_relops(series, relops):        """        Pass dictionary of relational operators to perform on given series object        """        for op, vals in relops.iteritems():            op_func = ops[op]            for val in vals:                filtered = op_func(series, val)                series = series.reindex(series[filtered])        return series用戶向字典提供他們要執行的操作：>>> df = pandas.DataFrame({'col1': [0, 1, 2], 'col2': [10, 11, 12]})>>> print df>>> print df   col1  col20     0    101     1    112     2    12>>> from operator import le, ge>>> ops ={'>=': ge, '<=': le}>>> apply_relops(df['col1'], {'>=': [1]})col11       12       2Name: col1>>> apply_relops(df['col1'], relops = {'>=': [1], '<=': [1]})col11       1Name: col1同樣，我上述方法的“問題”是，我認為在步驟之間存在很多不必要的數據復制。另外，我想對此進行擴展，以便傳入的字典可以包含要操作的列，并根據輸入字典過濾整個DataFrame。但是，我假設該系列的所有工作都可以輕松擴展到DataFrame。