布尔索引：数据筛选的"条件语句"艺术
我的掌握程度：
先掌握这个答案
核心语法：mask=df['pe']>0（得到True/False列）→df[mask]（只留True行）。组合逻辑：&与、|或、~非（必须加括号：df[(a>0)&(b<10)]——and/or会报错）。兄弟工具：isin（多值匹配：df[df['code'].isin(pool)]）、query（字符串条件：df.query('pe>0 and mktcap<1e10')，大数据时更快）、where（保留形状、不满足处置NaN——适合因子加工而非筛选行）。相比循环：一次生成整个掩码（向量化），既快又不会漏边界。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 一条能复现的数据流水线
把接口返回的数据变成可用于因子研究的面板时，先处理时点、主键与单位。
- 建立数据字典：字段、单位、时区、交易日历、数据源、抓取时间、原始价与复权因子。
- 用(date, code)查重，区分停牌、未上市、窗口不足和真实缺失；不要用向后填充把未来值带回过去。
- 保存原始快照与清洗日志，固定随机种子和环境版本；接口字段变化时先核对官方文档。
使用边界
- 报告期不等于公告可用日，盘后公告通常不能用于当天收盘前决策。
- API输出名为“动态市盈率”时不能直接改名TTM；浏览器练习不支持任意原生库或行情抓取接口。
不懂的术语：因子（Factor）
背景 · 从一个困惑说起
数据工作的日常一半是筛选：剔除ST、只要市值前500、找换手率异常的日子……SQL用WHERE，Excel用筛选器，pandas用布尔索引——一个True/False的掩码直接放在方括号里。
由此产生的问题
布尔索引的语法与组合逻辑？isin/query/where各自的适用场景？与循环筛选相比的本质优势？
核心概念
核心语法：mask=df['pe']>0（得到True/False列）→df[mask]（只留True行）。组合逻辑：&与、|或、~非（必须加括号：df[(a>0)&(b<10)]——and/or会报错）。兄弟工具：isin（多值匹配：df[df['code'].isin(pool)]）、query（字符串条件：df.query('pe>0 and mktcap<1e10')，大数据时更快）、where（保留形状、不满足处置NaN——适合因子加工而非筛选行）。相比循环：一次生成整个掩码（向量化），既快又不会漏边界。
为什么需要它
①股票池构造的全部语法：三件套过滤（剔ST/新股/停牌）每一条都是一个布尔条件——阶段4最常用的五行代码；②掩码思维的可组合性：条件是值（可存储、可复用、可统计——过滤了多少只？mask.mean()即知）；③可读性：布尔表达式就是研究意图的直接书写（"pe>0且非ST且上市超半年"），比循环收集可审计得多。
实际应用场景
标准过滤链：mask = (~name.str.contains('ST')) & (~name.str.contains('退')) & (list_days>120) & (volume>0) → pool = df[mask]；每步打印mask.mean()监控过滤强度（一次剔掉80%就要警惕逻辑错误）。
与之前知识的联系
q-341-344（选股池系列）的语法基础；q-070/065的清洗动作全部以布尔索引实现；速度对比呼应q-304。
⚠ 常见误解
- 用and/or连接条件：pandas要求&/|/~且每个条件加括号——and会直接报错（这是设计：防止整列的模糊布尔）
- 筛选后原表也变了：布尔索引返回副本（副本警告见q-375）——要保留结果请赋值给新变量
- query只是语法糖：大数据时它比布尔索引快（numexpr引擎）——千万行级别值得切换
🛠 本题实践任务
用布尔索引给你的数据构造三层过滤（任选三个条件），每层打印过滤比例。然后试用query写同样的逻辑，对比可读性。
💡 提示（先自己想5分钟再看）
过滤比例突变（如0.9→0.2）= 条件写错的信号；str.contains支持正则（'ST|退'）。
✅ 验收标准
三层过滤+比例日志+query版对照。选股池的语法地基打完。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（DataFrame索引），再用案例、公式和代码帮助理解。此功能需要先启用服务。