如何在Pandas中按客户分组后筛选未购酒客户的全部行？

现有虚构客户消费数据，需筛选出**从未购买过酒精饮料（示例为Beer或Wine）**的客户的所有访问记录。已通过cumcount()为每位客户标记了访问次数，其中仅客户B080从未购买过酒精饮料，其余客户均有相关购买记录。需要用Pandas实现按客户分组后的精准筛选。

示例数据及预处理代码：

import pandas as pd

df = pd.DataFrame({
    "customer": ['A55', 'A55', 'A55', 'B080', 'B080', 'D900', 'D900', 'Z900', 'Z900', 'Z900', 'Z900'],
    "date": ['01/11/2016', '01/21/2016', '02/11/2016', '08/17/2016', '6/17/2016', '03/01/2016', '04/30/2016', '05/16/2016', '09/27/2016', '10/05/2016', '11/11/2016'],
    "item": ['Beer', 'Beer', 'Wine', 'Coffee', 'Gatorade', 'Wine', 'Coffee', 'Beer', 'Wine', 'Beer', 'Coffee']
})

# 标记每位客户的访问次数
df["customer_visit_number"] = df.groupby("customer").cumcount().add(1)

以下三种方法都能高效实现需求，可根据数据规模和个人习惯选择：

方法一：groupby.transform + 布尔索引 #

通过transform为每一行标记所属客户是否有过酒精购买记录，再反向筛选：

# 定义酒精饮料清单
alcohol_items = ['Beer', 'Wine']
# 为每行标记对应客户是否购买过酒精
has_alcohol_purchase = df.groupby('customer')['item'].transform(lambda x: x.isin(alcohol_items).any())
# 筛选从未购买酒精的客户所有记录
result = df[~has_alcohol_purchase]

方法二：先定位目标客户再提取记录 #

先找出所有从未购买酒精的客户ID，再从原数据中提取这些客户的全部行：

alcohol_items = ['Beer', 'Wine']
# 获取所有购买过酒精的客户ID集合
alcohol_customers = df[df['item'].isin(alcohol_items)]['customer'].unique()
# 筛选不在酒精客户集合中的所有记录
result = df[~df['customer'].isin(alcohol_customers)]

这种方法在数据量较大时性能更优，因为先缩小了目标客户范围，减少后续匹配的计算量。

方法三：groupby.filter 直接过滤组 #

使用filter方法直接过滤掉存在酒精购买记录的客户组，代码最简洁直观：

alcohol_items = ['Beer', 'Wine']
# 过滤掉有过酒精购买的客户组，保留剩余客户的所有记录
result = df.groupby('customer').filter(lambda x: ~x['item'].isin(alcohol_items).any())

内容的提问来源于stack exchange，提问作者veg2020