Python中过滤DataFrame：保留含婴童类商品的整单交易

问题场景 #

现有包含INVOICE_DATE、COUNTRY、CUSTOMER_ID、INVOICE_ID、DESCRIPTION、USIM、DEMANDQTY列的DataFrame，需实现：若某订单（同一INVOICE_ID）内存在DESCRIPTION包含"kids"或"baby"的商品，则保留该订单的所有行。

原代码仅过滤出符合描述条件的单行，无法保留整单：

import pandas as pd

# 假设DataFrame名为'df'
filtered_df = df[df['DESCRIPTION'].str.contains('kids|baby', case=False, regex=True)]

解决方案 #

核心思路：先定位所有包含目标商品的订单ID，再基于这些ID筛选整个订单的所有行。

简化版实现代码 #

直接合并步骤，无需临时列：

import pandas as pd

# 提取所有含目标商品的订单ID，再过滤整单
filtered_df = df[df['INVOICE_ID'].isin(
    df[df['DESCRIPTION'].str.contains('kids|baby', case=False)]['INVOICE_ID'].unique()
)]

分步解释（便于理解） #

如果需要拆解逻辑，可按以下步骤执行：

1. 标记每行是否为目标商品

df['is_target'] = df['DESCRIPTION'].str.contains('kids|baby', case=False, regex=True)

2. 筛选出至少包含一个目标商品的订单ID

valid_invoice_ids = df.groupby('INVOICE_ID')['is_target'].any()
valid_invoice_ids = valid_invoice_ids[valid_invoice_ids].index.tolist()

3. 过滤出完整订单并清理临时列

filtered_df = df[df['INVOICE_ID'].isin(valid_invoice_ids)].drop('is_target', axis=1)

验证测试 #

使用你提供的测试数据生成代码创建df后，运行上述代码即可得到符合要求的结果。例如，查看某一完整订单的所有行：

# 输出第一个符合条件的订单全部内容
print(filtered_df[filtered_df['INVOICE_ID'] == filtered_df['INVOICE_ID'].iloc[0]])

内容的提问来源于stack exchange，提问作者sdave