Pandas筛选中的==与~相互成就
做审计工作，不要求我们成为数据科学家，然而我们要审计的数据日益庞大，小伙伴反馈，原来用PowerQuery设计的会计分录测试工具直接趴窝。能想到的趁手工具可能得是pandas。
处理数据过程中七八成的工作是清洗数据，而筛选是清洗的重要一环，筛选不出预期的数据，下一步就没法开展。然而，不同的语言有其特点，对于Pandas来讲——明明是很简单的字段列筛选，正向筛选能跑通，一到反向筛选就报错，对于新手排查半天可能找不到问题所在。
大概率是用错了反向筛选的符号！另外还有个新手高频误区：筛选字符串、日期字段时，不知道要搭配专属方法，直接用==筛选，要么报错要么筛不出正确结果。
今天来聊聊Pandas中的，在应用筛选时：正向筛选用==，反向筛选加~（波浪号），别再用not；字符串筛选配str，日期筛选配dt！
not为啥不好使？str/dt为啥必须用？
先解决第一个高频疑问：not为啥在pandas里“水土不服”？
我们筛选DataFrame字段时，本质上是用“条件”生成一个布尔索引（要么True，要么False），pandas会根据这个索引，保留True对应的行、过滤False对应的行。而not是Python的通用逻辑运算符，它只适合判断单个布尔值（比如not True → False）；但pandas筛选时生成的是布尔数组（一堆True/False），用not否定数组，只会触发逻辑冲突，要么报错，要么结果异常。
反观~（波浪号），它是pandas专门用来否定布尔数组的运算符，能精准对应每一个布尔值取反，效率高还不报错，这也是官方更推荐的用法。
再解决第二个关键问题：为啥字符串、日期筛选要额外加str/dt？
pandas里的字符串、日期字段，和普通数字字段不一样，它们属于“特殊数据类型”，直接用==筛选，只能处理简单的“完全匹配”，一旦涉及“包含、开头/结尾匹配”（字符串）、“某天、某月筛选”（日期），就会报错——这时候必须用pandas专属的str访问器（字符串专用）和dt访问器（日期专用），相当于给筛选“加个buff”，才能精准匹配。
实操演示：分类型教学，正向+反向一步到位
我们用一个更贴近实际工作的DataFrame，包含“姓名”（字符串）、“科目”（字符串）、“成绩”（数字）、“考试日期”（日期）四个字段，对比看下正确/错误写法。
先准备测试数据：
import pandas as pd# 测试数据（含字符串、日期字段）data = {"姓名": ["张三", "李四", "王五", "赵六", "孙七"],"科目": ["数学", "语文", "数学", "英语", "数学"],"成绩": [85, 92, 78, 88, 90],"考试日期": pd.to_datetime(["2024-06-10", "2024-06-10", "2024-06-11", "2024-06-11", "2024-06-12"])}df = pd.DataFrame(data)# 查看数据类型，确认字符串（object）、日期（datetime64）print("原始数据：")print(df)print("\n数据类型：")print(df.dtypes)
一、基础筛选：数字字段（正向==，反向~）
数字字段（比如成绩）筛选最简单，不用额外加访问器，直接按核心逻辑来就行，这里快速带过，巩固基础。
示例：筛选成绩等于90（正向）、成绩不等于90（反向）
# 正向筛选：成绩 == 90（正确写法）df_90 = df[df["成绩"] == 90]# 反向筛选：成绩 != 90（正确写法：正向条件加~）df_not_90 = df[~(df["成绩"] == 90)]print("成绩为90的行：")print(df_90)print("\n成绩不为90的行：")print(df_not_90)
二、重点1：字符串筛选（必须用str）
字符串字段（比如姓名、科目），核心逻辑不变（正向==、反向~），但必须搭配str访问器——简单说，就是在字段名后面加.str，再写筛选条件。
分两种高频场景，直接套用：
场景1：完全匹配（比如科目等于数学）
# 正向筛选：科目 == 数学（必须加.str，否则偶尔报错）df_math = df[df["科目"].str == "数学"]# 反向筛选：科目 != 数学（正向条件加~）df_not_math = df[~(df["科目"].str == "数学")]print("科目为数学的行：")print(df_math)print("\n科目不为数学的行：")print(df_not_math)
场景2：模糊匹配（比如姓名包含“张”，最常用）
# 正向筛选：姓名包含“张”（str.contains，包含匹配）df_zhang = df[df["姓名"].str.contains("张")]# 反向筛选：姓名不包含“张”（加~，核心逻辑不变）df_not_zhang = df[~df["姓名"].str.contains("张")]print("姓名包含张的行：")print(df_zhang)print("\n姓名不包含张的行：")print(df_not_zhang)
小提醒：字符串筛选的坑——① 忘记加.str，尤其是模糊匹配（str.contains），直接报错；② 大小写敏感（比如“张三”和“张三 ”（带空格）不一样），如果想忽略大小写，可加case=False（比如df["姓名"].str.contains("张", case=False)）。
三、重点2：日期筛选（必须用dt访问器）
日期字段（比如考试日期），和字符串逻辑一致，核心还是“正向==、反向~”，但必须搭配dt访问器（字段名后加.dt），常用场景是“筛选某天、某月、某年”。
场景1：筛选具体某一天（比如2024-06-10）
# 正向筛选：考试日期 == 2024-06-10（必须加.dt.date，匹配日期本身）df_date10 = df[df["考试日期"].dt.date == pd.to_datetime("2024-06-10").date()]# 反向筛选：考试日期 != 2024-06-10（加~）df_not_date10 = df[~(df["考试日期"].dt.date == pd.to_datetime("2024-06-10").date())]print("考试日期为2024-06-10的行：")print(df_date10)print("\n考试日期不为2024-06-10的行：")print(df_not_date10)
场景2：筛选具体某个月（比如6月）
# 正向筛选：考试日期为6月份（dt.month，提取月份）df_june = df[df["考试日期"].dt.month == 6]# 反向筛选：考试日期不为6月份（加~）df_not_june = df[~(df["考试日期"].dt.month == 6)]print("6月份考试的行：")print(df_june)print("\n非6月份考试的行：")print(df_not_june)
小提醒：日期筛选的坑——① 忘记加.dt，直接用df["考试日期"] == "2024-06-10"，会因格式不匹配筛不出结果；② 日期格式要统一，建议先用pd.to_datetime()将字段转为datetime类型（如测试数据所示）。
最容易踩的4个坑，避错
结合自己刚开始学的经历，还有平时帮同事排查的问题，总结了4个新手最容易踩的坑，尤其是反向筛选和str/dt使用时，一定要注意：
坑1：用not代替~ → 直接报错，记住：pandas筛选反向，只认~，不认not；
坑2：~的位置放错，不加括号 → 比如写成df[df["科目"].str ~== "数学"]，语法错误，~必须放在整个条件前面；
坑3：字符串/日期筛选，忘记加str/dt → 字符串模糊匹配（str.contains）、日期提取（dt.month）直接报错，筛不出正确结果；
坑4：筛选字符串时，忘记加引号 → 比如df[df["科目"].str == 数学]，报错，字符串条件一定要加引号。
总结一句
pandas的DataFrame字段筛选，核心3个关键点：
正向筛选：所有字段通用 == ，简单粗暴不出错；
反向筛选：所有字段通用 ~ ，别碰not，记得加括号；
特殊字段：字符串筛选加.str ，日期筛选加.dt ，缺一不可。
不管是简单的“等于/不等于”，还是复杂的“包含/某月筛选”，按这个逻辑来，筛选永远不会报错，多练习。
骐骥一跃，不能十步；驽马十驾，功在不舍。
