como você filtra dataframes do pandas por colunas múltiplas

Para filtrar um dataframe (df) por uma única coluna, se considerarmos dados com homens e mulheres, podemos:

males = df[df[Gender]=='Male']

Pergunta 1 - Mas e se os dados abrangessem vários anos e eu quisesse ver apenas homens em 2014?

Em outras línguas, posso fazer algo como:

if A = "Male" and if B = "2014" then 

(exceto que quero fazer isso e obter um subconjunto do dataframe original em um novo objeto dataframe)

Questão 2. Como faço isso em um loop e criar um objeto dataframe para cada conjunto exclusivo de ano e gênero (ou seja, um df para: 2013-Masculino, 2013-Feminino, 2014-Masculino e 2014-Feminino

for y in year:

for g in gender:

df = .....

Usando o &operador, não se esqueça de envolver as subinstruções com ():

males = df[(df[Gender]=='Male') & (df[Year]==2014)]

Para armazenar seus dataframes em um dictloop for:

from collections import defaultdict
dic={}
for g in ['male', 'female']:
  dic[g]=defaultdict(dict)
  for y in [2013, 2014]:
    dic[g][y]=df[(df[Gender]==g) & (df[Year]==y)] #store the DataFrames to a dict of dict

EDITAR:

Uma demonstração para o seu getDF:

def getDF(dic, gender, year):
  return dic[gender][year]

print genDF(dic, 'male', 2014)

Para funções booleanas mais gerais que você gostaria de usar como filtro e que dependem de mais de uma coluna, você pode usar:

df = df[df[['col_1','col_2']].apply(lambda x: f(*x), axis=1)]

onde f é uma função que é aplicada a cada par de elementos (x1, x2) de col_1 e col_2 e retorna True ou False dependendo de qualquer condição que você deseja em (x1, x2).

Comece com pandas 0,13 , esta é a maneira mais eficiente.

df.query('Gender=="Male" & Year=="2014" ')

Caso alguém se pergunte qual é a maneira mais rápida de filtrar (a resposta aceita ou a de @redreamality):

import pandas as pd
import numpy as np

length = 100_000
df = pd.DataFrame()
df['Year'] = np.random.randint(1950, 2019, size=length)
df['Gender'] = np.random.choice(['Male', 'Female'], length)

%timeit df.query('Gender=="Male" & Year=="2014" ')
%timeit df[(df['Gender']=='Male') & (df['Year']==2014)]

Resultados para 100.000 linhas:

6.67 ms ± 557 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
5.54 ms ± 536 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Resultados para 10.000.000 linhas:

326 ms ± 6.52 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
472 ms ± 25.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Portanto, os resultados dependem do tamanho e dos dados. No meu laptop, query()fica mais rápido depois de 500 mil linhas. Além disso, a pesquisa de string em Year=="2014"tem uma sobrecarga desnecessária ( Year==2014é mais rápida).

Você pode criar sua própria função de filtro usando queryem pandas. Aqui você tem a filtragem de dfresultados por todos os kwargsparâmetros. Não se esqueça de adicionar alguns validadores ( kwargsfiltragem) para obter a função de filtro para você df.

def filter(df, **kwargs):
    query_list = []
    for key in kwargs.keys():
        query_list.append(f'{key}=="{kwargs[key]}"')
    query = ' & '.join(query_list)
    return df.query(query)

Você pode filtrar por várias colunas (mais de duas) usando o np.logical_andoperador para substituir &(ou np.logical_orsubstituir |)

Aqui está um exemplo de função que faz o trabalho, se você fornecer valores de destino para vários campos. Você pode adaptá-lo para diferentes tipos de filtragem e outros enfeites:

def filter_df(df, filter_values):
    """Filter df by matching targets for multiple columns.

    Args:
        df (pd.DataFrame): dataframe
        filter_values (None or dict): Dictionary of the form:
                `{<field>: <target_values_list>}`
            used to filter columns data.
    """
    import numpy as np
    if filter_values is None or not filter_values:
        return df
    return df[
        np.logical_and.reduce([
            df[column].isin(target_values) 
            for column, target_values in filter_values.items()
        ])
    ]

Uso:

df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [1, 2, 3, 4]})

filter_df(df, {
    'a': [1, 2, 3],
    'b': [1, 2, 4]
})