Pandas代码优化与结果过滤技术问询：如何仅输出不符合利率校验条件的账户及高效实现利率匹配

关于当前代码输出全部分组数据的原因 #

你猜的方向有点偏差——你当前代码里用的是.any()而不是.all()，这才是问题核心！.any()的逻辑是只要分组里存在至少一个账户的利率不符合目标值，就会返回True，触发print操作，而你打印的是整个分组的所有数据，自然会把符合条件的账户也一并输出了。

更高效的优化实现 #

你的代码重复度很高，四个风险等级的处理逻辑几乎完全一致，而且可以直接筛选出不符合条件的行，不用先判断再打印。这里给你一个更简洁高效的实现方式：

import pandas as pd

data = pd.read_pickle("data.pkl")

def core_group():
    # 先统一列名！注意你代码里同时出现了booked_int_rt和booked_int_rate，要保持一致
    # 假设正确列名是booked_int_rt，先修正笔误
    data.rename(columns={"booked_int_rate": "booked_int_rt"}, inplace=True)
    
    # 定义风险等级与目标利率的映射字典，避免重复代码
    risk_target_rates = {
        "Risk Level 1": 0.0999,
        "Risk Level 2": 0.1199,
        "Risk Level 3": 0.1399,
        "Risk Level 4": 0.1499
    }
    
    # 先筛选出所有pgroup为CORE的数据，减少后续分组的计算量
    core_data = data[data["pgroup"] == "CORE"]
    
    for risk_level, target_rate in risk_target_rates.items():
        # 筛选对应风险等级的行，再过滤出利率不符合目标值的记录
        mismatched = core_data[
            (core_data["pricing_risk_level"] == risk_level) &
            (core_data["booked_int_rt"] != target_rate)
        ]
        
        # 只有当存在不符合条件的记录时才输出
        if not mismatched.empty:
            print(f"不符合{risk_level}目标利率的账户：")
            print(mismatched[["account_id", "pricing_risk_level", "booked_int_rt"]])
            print("---")

core_group()

优化点说明 #

• 避免重复逻辑：用字典存储风险等级和目标利率的对应关系，通过循环批量处理，代码更简洁也更容易维护（比如后续新增风险等级，只需要修改字典）。
• 直接筛选目标行：不再先获取整个分组再判断，而是直接通过布尔索引筛选出不符合条件的记录，减少不必要的数据加载和判断步骤。
• 修正列名问题：你代码里同时出现了booked_int_rt和booked_int_rate两个列名，这会导致报错，先通过rename统一列名是关键前提。
• 减少计算量：先筛选出所有CORE分组的数据，后续只在这个子集里处理，比每次从整个数据集分组更高效。

内容的提问来源于stack exchange，提问作者HasNoName