Pandas DataFrame高效筛选：基于配置列表的行/列选择
本文介绍如何利用Pandas库，根据预设的配置列表，快速筛选DataFrame的行和列。
利用isin()函数实现精准筛选
Pandas的isin()函数提供了一种便捷的方式，根据列表中的值筛选DataFrame的行或列。其语法如下：
series.isin(list)
其中list为包含筛选值的列表。
示例：基于UID筛选DataFrame
假设有一个DataFrame如下：
bee餐饮点餐外卖小程序
下载
bee餐饮点餐外卖小程序是针对餐饮行业推出的一套完整的餐饮解决方案，实现了用户在线点餐下单、外卖、叫号排队、支付、配送等功能，完美的使餐饮行业更高效便捷！功能演示：1、桌号管理登录后台，左侧菜单 “桌号管理”，添加并管理你的桌号信息，添加以后在列表你将可以看到 ID 和 密钥，这两个数据用来生成桌子的二维码2、生成桌子二维码例如上面的ID为 308，密钥为 d3PiIY，那么现在去左侧菜单微信设置
df = pd.DataFrame([['a1', 1], ['a2', 4]], columns=['uid', 'score'])
以及一个包含筛选UID的列表：
df2 = pd.DataFrame([['a1']], columns=['uid'])
我们可以使用isin()函数筛选df中uid列的值在df2中存在的行：
df[df['uid'].isin(df2['uid'])]
输出结果：
uid score 0 a1 1
处理多个DataFrame的合并筛选
对于多个DataFrame的批量处理，可以使用concat()函数合并筛选结果。例如：
import pandas as pd
# 读取多个CSV文件
dfs = []
for filename in ['file1.csv', 'file2.csv', 'file3.csv']:
dfs.append(pd.read_csv(filename))
# 基于配置列表筛选
filtered_dfs = []
for df in dfs:
filtered_dfs.append(df[df['uid'].isin(df2['uid'])])
# 合并筛选后的DataFrame
combined_df = pd.concat(filtered_dfs)
combined_df将包含所有筛选后DataFrame的合并结果。 通过此方法，可以高效地处理大量数据，并根据预设的配置列表进行精准筛选。
