在 Pandas 中，若需对多个列同时应用 `isin()` 方法进行数据过滤，可以通过将多个条件组合的方式实现。具体而言，可以使用逻辑运算符 `&`（与）来串联多个 `isin()` 条件表达式，并将其作为布尔索引应用于数据框。 例如，假设有一个数据框 `df`，需要筛选出 `'column1'` 和 `'column2'` 列中分别包含在列表 `values1` 和 `values2` 中的行，则可以按照以下方式操作： ```python filtered_df = df[(df['column1'].isin(values1)) & (df['column2'].isin(values2))] ``` 该操作会返回一个新的数据框 `filtered_df`，其中每一行都满足 `'column1'` 的值在 `values1` 中且 `'column2'` 的值在 `values2` 中的条件[^4]。 如果需要处理更多列，也可以扩展此模式，继续使用 `&` 连接更多的 `isin()` 条件。需要注意的是，在多个条件组合时，每个条件必须用括号括起，以确保运算顺序正确[^4]。 此外，当目标是判断多个列是否至少有一个满足存在于对应列表中的条件时，可以使用逻辑运算符 `|`（或），如下所示： ```python filtered_df = df[(df['column1'].isin(values1)) | (df['column2'].isin(values2))] ``` 这种方式适用于需要灵活控制多个字段匹配规则的场景，例如从数据集中提取符合任意一个特征的数据记录。 ### 示例代码 ```python import pandas as pd # 创建示例数据框 data = { 'fruit_name': ['apple', 'banana', 'cherry', 'apple', 'banana'], 'mass': [150, 120, 80, 95, 130], 'color': ['red', 'yellow', 'red', 'green', 'yellow'] } df = pd.DataFrame(data) # 定义要匹配的值列表 fruits_to_filter = ['apple', 'cherry'] colors_to_filter = ['red', 'green'] # 应用 isin() 对多列进行过滤 filtered_data = df[(df['fruit_name'].isin(fruits_to_filter)) & (df['color'].isin(colors_to_filter))] print(filtered_data) ``` 上述代码将输出所有 `fruit_name` 在 `fruits_to_filter` 列表中并且 `color` 在 `colors_to_filter` 列表中的行。