Pandas Mask 是一种用于处理数据的方法，它可以帮助我们在 DataFrame 中创建、操作和删除特定的行或列，以下是关于 Pandas Mask 的详细解释，包括小标题和单元表格。

1、创建 Mask

要创建一个 Mask，我们可以使用布尔索引，布尔索引是一个与 DataFrame 具有相同形状的布尔数组，True 表示我们想要保留的行或列，False 表示我们想要删除的行或列。

假设我们有一个名为 df 的 DataFrame，我们想要保留所有年龄大于 30 的行，可以使用以下代码：

mask = df['age'] > 30

2、应用 Mask

要将 Mask 应用于 DataFrame，我们可以使用 loc 或 iloc 方法。loc 方法根据标签进行过滤，而 iloc 方法根据位置进行过滤。

要保留所有年龄大于 30 的行，可以使用以下代码：

df_filtered = df.loc[mask]

或者：

df_filtered = df.iloc[mask]

3、删除行或列

要删除满足特定条件的行或列，我们可以使用 drop 方法，要删除所有年龄小于等于 30 的行，可以使用以下代码：

df_filtered = df.drop(df[df['age'] <= 30].index)

4、示例

以下是一个使用 Pandas Mask 的完整示例：

import pandas as pd
创建一个示例 DataFrame
data = {'name': ['Alice', 'Bob', 'Cathy', 'David'],
        'age': [25, 35, 28, 42],
        'city': ['New York', 'San Francisco', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)
创建一个 mask，保留年龄大于 30 的行
mask = df['age'] > 30
应用 mask，保留满足条件的行
df_filtered = df.loc[mask]
print("Filtered rows:")
print(df_filtered)
删除不满足条件的行
df_filtered = df.drop(df[df['age'] <= 30].index)
print("Rows after dropping:")
print(df_filtered)

输出结果：

Filtered rows:
    name    age      city
2    Cathy   28  Los Angeles
3    David   42    Chicago
Rows after dropping:
    name    age      city
2    Cathy   28  Los Angeles
3    David   42    Chicago