【Python Pandas】基于列值筛选DataFrame：保留未完成父节点及子节点

原代码的核心问题 #

1. 父节点识别错误：原代码仅排除PRO开头的条目，未按照需求筛选**以WP/CH开头且不含“.”**的父节点
2. 未完成父节点判断逻辑失效：使用((x !=100)|(x!=1.0))会导致所有父节点都被判定为未完成（一个数值不可能同时等于100和1.0），无法准确识别已完成的父节点
3. 子节点匹配逻辑错误：原代码只要Codice含点就保留，无法关联到对应的未完成父节点，会误保留无关的含点条目

修正后的代码 #

import pandas as pd

# 读取Excel文件（替换为你的文件路径）
df = pd.read_excel("你的Excel文件路径.xlsx")

# 1. 正确识别父节点：以WP/CH开头且不含“.”的条目
df['is_parent'] = df['Codice'].str.startswith(('WP/', 'CH/'), na=False) & ~df['Codice'].str.contains('\\.', na=False)

# 2. 识别未100%完成的父节点：兼容百分比为整数100或浮点数1.0的存储情况
incomplete_parents = df.loc[
    df['is_parent'] & ~df['% di completamento'].isin([100, 1.0]),
    'Codice'
].tolist()

# 3. 判断行是否需要保留：未完成父节点 或 属于未完成父节点的子节点
def should_keep(row):
    codice = row['Codice']
    # 是未完成父节点则保留
    if codice in incomplete_parents:
        return True
    # 是子节点则提取父前缀，判断是否属于未完成父节点
    if '.' in codice:
        parent_prefix = codice.split('.')[0]
        return parent_prefix in incomplete_parents
    # 其他情况不保留
    return False

df['keep'] = df.apply(should_keep, axis=1)

# 应用筛选规则
filtered_df = df[df['keep']].copy()

# 删除辅助列
filtered_df.drop(columns=['is_parent', 'keep'], inplace=True)

# 指定保留列并去除空值
columns_to_save = [
    'ID',
    'Codice',
    'Nome dell\'attività',
    'Effort stimato',
    'Inizio',
    'Fine',
    'Durata',
    'Effort consuntivato + Effort Stimato mancante',
    'Diff. Effort',
    '% di completamento',
    'Effort completato'
]
filtered_df = filtered_df[columns_to_save].dropna()

# 输出结果
print(filtered_df)

关键修正说明 #

• 父节点精准识别：用str.startswith(('WP/', 'CH/'))匹配指定开头格式，同时排除含“.”的条目，完全符合需求定义
• 未完成父节点判断：用~df['% di completamento'].isin([100, 1.0])覆盖百分比的两种存储形式，确保仅筛选出未完成的父节点
• 子节点关联匹配：通过split('.')[0]提取子节点的父前缀，仅保留属于未完成父节点的子节点，避免误保留无关条目

内容的提问来源于stack exchange，提问作者user3375601