loc()函数里使用布尔值的series作为参数

filt=(~df['Age'].isnull())
df=df.loc[filt,:]
print(df)

程序之所以知道 filt 中的每个元素对应 df 中的每一行，是因为 pandas 库设计时就考虑到了这种需求，并在实现中做了对应的处理。具体来说，pandas 的 DataFrame 和 Series 对象在进行布尔索引时，会对齐索引（index），确保布尔序列正确地应用到数据框的行或列上。

工作原理

1. 索引对齐：

   • pandas 使用索引（index）来对齐 DataFrame 和 Series。当你对 DataFrame 进行布尔索引时，pandas 会自动根据索引对齐布尔序列和数据框的行。

2. 长度匹配：

   • 在进行布尔索引时，pandas 要求布尔序列的长度与数据框的行数相同。这样，每个布尔值就可以对应数据框中的一行。

示例解析

假设你有一个 DataFrame df 和一个布尔序列 filt，它们的索引和长度如下：

import pandas as pd
import numpy as np

# 创建示例数据框
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, np.nan, 30, np.nan]
}

df = pd.DataFrame(data)

# 创建布尔值序列 filt
filt = ~df['Age'].isnull()

在这个示例中：

• df 的索引是 [0, 1, 2, 3]
• filt 的索引也是 [0, 1, 2, 3]

执行布尔索引

当你使用 loc 索引器进行布尔索引时：

df_filtered = df.loc[filt, :]

• loc 索引器会将 filt 中的布尔值与 df 的索引进行对齐。
• 因为 filt 的索引与 df 的索引完全一致，且长度相同，每个布尔值自然对应 df 中的每一行。

详细步骤

1. 生成布尔序列 filt：

   filt = ~df['Age'].isnull()
   

   filt 是一个 Series，其索引与 df 的行索引相同：

   0     True
   1    False
   2     True
   3    False
   Name: Age, dtype: bool
   

2. 使用 loc 索引器进行布尔索引：

   df_filtered = df.loc[filt, :]
   

   loc 索引器将 filt 与 df 的行索引对齐，然后选择 filt 中布尔值为 True 的行：

        Name   Age
   0    Alice  25.0
   2  Charlie  30.0
   

对齐机制

pandas 的索引对齐机制确保了即使索引顺序不同，布尔索引也能正确应用。考虑下面的例子：

# 重新索引示例
df = df.set_index([pd.Index([10, 11, 12, 13])])

# filt 的索引仍然是 [0, 1, 2, 3]
filt = pd.Series([True, False, True, False], index=[10, 11, 12, 13])

# 使用 loc 索引器进行布尔索引
df_filtered = df.loc[filt, :]

在这个例子中，即使索引不是默认的整数索引，pandas 仍然会基于索引对齐 filt 和 df，确保布尔值正确应用：

      Name   Age
10  Alice  25.0
12  Charlie  30.0

通过这些机制，pandas 能够确保布尔序列正确地应用到 DataFrame 的行上，从而实现精确的布尔索引操作。