可以通过bool序列（包括list，series），对df进行筛选
a b c
0 1 4 7
1 2 5 8
2 3 6 9
3 7 7 hi
例如对df的筛选条件是，df列的值=1，可以：
bool_series = df['a']==1
bool_list = list(map(lambda i : i==1, df['a']))
但如果想打印第二第三行，bool_series可以直接取~，bool_list只能先转series再取反
df[~bool_series]
df[~(bool_list)]
列项条件多时，可以用bool_list轮询筛选，例如筛选每行都不含7的：
bool_list = [True] * len(df)
for column in df.columns:
bool_list = bool_list * (df[column] !)= 7 # list和series可以直接做*或者&操作
df[bool_list]
当然也可以直接逐个写df筛选，但columns比较多的话就比较麻烦了：
df[(df['a']!=7)&(df['b']!=7)&(df['c']!=7)]
如果想筛选a列中，等于2或者3的，可以用isin
df[df['a'].isin([2,3])]
前面是df中的成员在某列表中，如果想反过来筛选某个值是否在df的成员中，例如筛选c列中元素中，包含了字母i的，可以：
df[pd.Series(map(lambda x: 'i' in x, df['c']))] # pd.series也可以改为list
比较复杂的语句：取出gaojing这个df中，告警标题中含有 ponlos，主干光纤断，pon信号丢失这3条告警的条目（不区分大小写）
list_zggj = ['ponlos', '主干光纤断', 'PON信号丢失']
gaojing[pd.Series(map(lambda x:(len(filter(lambda s: s in x.lower(), list_zggj)) > 0), gaojing['告警标题']))]