如何用更优雅的Pandas方法筛选含指定年份全集的DataFrame？

我有如下CSV数据集：

country,year,happiness
A,2008,3.72
A,2009,4.4
A,2011,3.83
B,2009,5.49
B,2010,5.27
B,2011,5.87
B,2012,5.51
C,2010,5.46
C,2011,5.32
D,2009,6.42
D,2010,6.44
D,2011,6.78

目标是筛选出仅包含2009、2010和2011这三年数据的国家，同时仅保留这三年的记录。期望结果如下：

country,year,happiness
B,2009,5.49
B,2010,5.27
B,2011,5.87
D,2009,6.42
D,2010,6.44
D,2011,6.78

可见，国家A和C因未覆盖全部三年被排除，国家B的2012年记录也被排除。

我已通过以下Pandas代码实现需求：

y09 = df.loc[df['year'] == 2009, 'country']
y10 = df.loc[df['year'] == 2010, 'country']
y11 = df.loc[df['year'] == 2011, 'country']

countries = set(y09) & set(y10) & set(y11)
years = [2009, 2010, 2011]

filtered = df.loc[df['country'].isin(countries) & df['year'].isin(years), :]

但希望找到一种更优雅的Pandas实现方式，使其能够轻松扩展到更大的年份范围（例如50年）。

提供两种高扩展性的实现方式，只需修改目标年份集合即可适配任意范围：

方法一：分组+集合子集校验 #

# 定义目标年份集合
target_years = {2009, 2010, 2011}

# 按国家分组，校验该国家的年份集合是否包含所有目标年份
valid_countries = df.groupby('country')['year'].apply(
    lambda x: target_years.issubset(set(x))
).loc[lambda res: res].index

# 筛选符合条件的国家及目标年份数据
filtered = df[(df['country'].isin(valid_countries)) & (df['year'].isin(target_years))]

方法二：分组计数匹配 #

# 定义目标年份列表
target_years = [2009, 2010, 2011]
required_year_count = len(target_years)

# 先筛选目标年份数据，再按国家统计不同年份的数量
country_year_stats = df[df['year'].isin(target_years)].groupby('country')['year'].nunique()

# 筛选出年份数量等于目标年份总数的国家
valid_countries = country_year_stats[country_year_stats == required_year_count].index

# 最终筛选数据
filtered = df[(df['country'].isin(valid_countries)) & (df['year'].isin(target_years))]

这两种方法无需逐个年份编写提取逻辑，修改target_years即可快速适配更大的年份范围。

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