如何动态查询Pandas DataFrame，筛选同时存在于多指定动物园的动物

我有如下结构的Pandas DataFrame：

需求是动态构建查询，返回同时出现在指定多个动物园中的唯一动物值，比如找出所有同时在Berlin和Munich动物园的动物，预期结果为：

result = ['Lion', 'Monkey']

我尝试了以下代码：

# 初始化列表
data = [
        ['Lion', 'Berlin'], ['Lion', 'Munich'], ['Lion', 'Paris'],
        ['Monkey', 'Berlin'], ['Monkey', 'Munich'], ['Monkey', 'Rotterdam'],
        ['Bat', 'Berlin'],
        ['Goose', 'Rotterdam'],
        ['Tiger', 'Paris'], ['Tiger', 'Munich']
]
  
# 创建Pandas DataFrame
df = pd.DataFrame(data, columns=['Animal', 'Zoo'])

# 筛选DataFrame
df_filtered = df.query(" (`Zoo` == 'Berlin' | `Zoo` == 'Munich')")

# 将动物转为列表
result = df_filtered['Animal'].unique().tolist()

# 打印结果
print(result)

但该代码返回的是出现在Berlin或Munich动物园的动物，结果为：

['Lion', 'Monkey', 'Bat', 'Tiger']

将逻辑或（|）改为逻辑与（&）后，查询返回空DataFrame：

df.query(" (`Zoo` == 'Berlin' & `Zoo` == 'Munich')")

现寻求正确实现该需求的方法。

解决方案 #

方法1：分组统计法（推荐，灵活支持任意数量目标动物园） #

核心思路是按动物分组，检查每组的动物园集合是否包含所有目标动物园：

import pandas as pd

data = [
        ['Lion', 'Berlin'], ['Lion', 'Munich'], ['Lion', 'Paris'],
        ['Monkey', 'Berlin'], ['Monkey', 'Munich'], ['Monkey', 'Rotterdam'],
        ['Bat', 'Berlin'],
        ['Goose', 'Rotterdam'],
        ['Tiger', 'Paris'], ['Tiger', 'Munich']
]
df = pd.DataFrame(data, columns=['Animal', 'Zoo'])

# 指定目标动物园列表
target_zoos = ['Berlin', 'Munich']

# 分组过滤：保留包含所有目标动物园的动物
result = df.groupby('Animal')['Zoo'].filter(
    lambda x: set(target_zoos).issubset(set(x))
).unique().tolist()

print(result)
# 输出：['Lion', 'Monkey']

方法2：集合交集法 #

分别获取每个目标动物园的动物集合，再求所有集合的交集：

target_zoos = ['Berlin', 'Munich']

# 生成每个目标动物园对应的动物集合
zoo_animal_sets = [set(df[df['Zoo'] == zoo]['Animal']) for zoo in target_zoos]

# 计算所有集合的交集
result = list(set.intersection(*zoo_animal_sets))

print(result)
# 输出：['Lion', 'Monkey']

方法3：基于query的改进方案 #

如果偏好使用query，可以先筛选目标动物园的记录，再通过分组计数过滤：

target_zoos = ['Berlin', 'Munich']

# 先筛选出目标动物园的记录
filtered = df.query("Zoo in @target_zoos")

# 保留分组后记录数等于目标动物园数量的动物（即每个目标动物园都有该动物）
result = filtered.groupby('Animal').filter(
    lambda x: len(x) == len(target_zoos)
)['Animal'].unique().tolist()

print(result)
# 输出：['Lion', 'Monkey']

错误原因说明 #

• 使用|（逻辑或）时，只要动物出现在任意一个目标动物园就会被选中，因此包含了仅在Berlin的Bat和仅在Munich的Tiger。
• 使用&（逻辑与）时，要求单条记录同时满足Zoo等于Berlin和Munich，而单条记录只有一个Zoo值，因此不可能成立，返回空DataFrame。

内容的提问来源于stack exchange，提问作者Maxhlnug2021