Pandas筛选技巧：lt/gt/eq/ne/le/ge/between全解析

代码说明：

1. 核心用法：包含 lt/gt/eq/ne/le/ge 及 between 的用法，每个场景都有对应示例。
2. 处理特殊情况：包含缺失值（NaN）处理、字符串比较、区间边界控制等实战细节。
3. Series 与 DataFrame 区分：明确单列（Series）和多列（DataFrame）操作的差异，以及聚合判断（all/any）的用法。

import pandas as pd
import numpy as np

# 准备示例数据（可根据实际数据替换）
df = pd.DataFrame({
    'A': [3, 6, 2, np.nan, 4],
    'B': [8, 1, 5, 3, 7],
    'C': ['a', 'c', 'b', 'd', 'a']
})
df2 = pd.DataFrame({  # 用于多表比较的示例数据
    'A': [4, 5, 3, 2, 5],
    'B': [7, 2, 6, 4, 8],
    'C': ['b', 'a', 'c', 'd', 'b']
})


# --------------------------
# 1. Series 比较（单列操作）
# --------------------------
# 1.1 基础筛选：小于（lt）、大于等于（ge）、不等于（ne）
df[df['A'].lt(5)]                # 筛选 A 列 < 5 的行（等价于 df[df['A'] < 5]）
df[df['B'].ge(5)]                # 筛选 B 列 >= 5 的行（等价于 df[df['B'] >= 5]）
df[df['A'].ne(4)]                # 筛选 A 列 != 4 的行（等价于 df[df['A'] != 4]）

# 1.2 缺失值处理：将 NaN 视为 False/True（fillna 配合使用）
df[df['A'].lt(5).fillna(False)]  # 筛选 A 列 < 5 的行，NaN 视为不满足条件
df[df['A'].gt(3).fillna(True)]   # 筛选 A 列 > 3 的行，NaN 视为满足条件

# 1.3 字符串比较（按字典序）
df[df['C'].gt('b')]              # 筛选 C 列字符串 > 'b' 的行（如 'c'/'d'）
df[df['C'].eq('a')]              # 筛选 C 列字符串 == 'a' 的行


# --------------------------
# 2. DataFrame 比较（多列操作）
# --------------------------
# 2.1 与标量比较（返回布尔型 DataFrame）
df.lt(5)                         # 所有元素是否 < 5（字符串列自动返回 False）
df.ge(3)                         # 所有元素是否 >= 3

# 2.2 按行聚合判断（all：所有列满足；any：至少一列满足）
df[df.le(6).all(axis=1)]         # 筛选所有列都 <= 6 的行
df[df.gt(7).any(axis=1)]         # 筛选至少有一列 > 7 的行

# 2.3 与另一 DataFrame 逐元素比较
df['A'].gt(df2['A'])             # df 的 A 列是否大于 df2 的 A 列（返回布尔 Series）
df.lt(df2)                       # df 所有元素是否小于 df2 对应元素（返回布尔 DataFrame）


# --------------------------
# 3. 区间比较（between：包含/排除边界）
# --------------------------
df[df['A'].between(2, 5)]        # 筛选 A 列在 [2,5] 之间的行（默认包含边界）
df[df['B'].between(3, 7, inclusive='neither')]  # 筛选 B 列在 (3,7) 之间的行（排除边界）
df[df['B'].between(3, 7, inclusive='left')]     # 筛选 B 列在 [3,7) 之间的行（仅左包含）