基于布尔列过滤Pandas数据：用groupby筛选符合条件的ID数据

要筛选出满足条件的ID对应的完整数据，可通过分组统计-条件筛选-提取数据三步完成，具体实现如下：

1. 构造示例DataFrame #

先还原你提供的测试数据：

import pandas as pd

data = {
    'ID': [7,7,7,8,8,8,9,9,9,9],
    'bool_1': [True, False, False, True, True, False, True, True, True, True],
    'bool_2': [True, True, False, True, True, False, True, False, False, False],
    'bool_3': [True, True, True, True, True, True, True, True, True, False]
}
df = pd.DataFrame(data)

2. 编写筛选函数 #

核心思路是先按ID分组统计各布尔列的True数量，再筛选符合条件的ID，最后提取对应行：

def filter_valid_ids(df):
    # 按ID分组，统计每个组内各bool列的True值数量（True等价于1，sum直接计数）
    group_counts = df.groupby('ID')[['bool_1', 'bool_2', 'bool_3']].sum()
    
    # 筛选满足条件的ID：bool_1至少1个True，bool_2至少2个，bool_3至少3个
    valid_ids = group_counts[
        (group_counts['bool_1'] >= 1) &
        (group_counts['bool_2'] >= 2) &
        (group_counts['bool_3'] >= 3)
    ].index
    
    # 返回原DataFrame中所有有效ID的行
    return df[df['ID'].isin(valid_ids)]

3. 验证结果 #

调用函数后，输出结果将只包含ID为7和8的完整数据：

result = filter_valid_ids(df)
print(result)

输出内容：

ID  bool_1  bool_2  bool_3
0   7    True    True    True
1   7   False    True    True
2   7   False   False    True
3   8    True    True    True
4   8    True    True    True
5   8   False   False    True

关键逻辑说明 #

• groupby('ID').sum()：利用布尔值在pandas中可转换为整数（True=1，False=0）的特性，直接求和得到每个ID对应布尔列的True数量。
• isin(valid_ids)：通过布尔索引快速从原数据中提取符合条件的所有行，保留原始数据的完整结构。

内容的提问来源于stack exchange，提问作者Telis