如何基于另一DataFrame的参数条件过滤目标DataFrame？

数据示例 #

import pandas as pd

df1 = pd.DataFrame({'Type': ['car', 'bike','car', 'motorbike','bike'], 'Amount': [40, 3,50, 699,60], 'Count': [10, 1,2,4,4]})
df2 = pd.DataFrame({'Parameters': ['Amount', 'Count'], 'car': [30, 3], 'bike': [40,4]})

过滤需求 #

保留df1中满足以下所有条件的行：

1. Type为car、bike或motorbike；
2. Amount值大于df2中对应Type列的Amount参数值；
3. Count值大于df2中对应Type列的Count参数值；
   预期结果：

dfTotal = pd.DataFrame({'Type': ['car'], 'Amount': [40], 'Count': [10]})

更新说明：当df1中存在相同Type但不同Amount、Count的行时，原有自定义解决方案失效，该如何处理？

解决方案 #

核心思路是先把df2转成易匹配的结构，再和df1关联后逐行验证条件，可兼容同Type多差异行的场景。

1. 重塑df2的结构 #

把df2从宽表转成窄表，让Type作为单独列，方便和df1关联：

# 转置df2并重置索引，调整列名
df2_transposed = df2.set_index('Parameters').T.reset_index().rename(columns={'index': 'Type'})

转置后df2的结构：

2. 关联两个DataFrame #

用merge按Type关联df1和转置后的df2，保留所有df1的行（motorbike行因无对应阈值后续会被过滤）：

merged_df = df1.merge(df2_transposed, on='Type', how='left', suffixes=('', '_threshold'))

3. 应用过滤条件 #

设置规则逐一验证每行是否符合要求，同时排除无阈值的motorbike行：

filter_condition = (
    df1['Type'].isin(['car', 'bike', 'motorbike']) &
    (merged_df['Amount'] > merged_df['Amount_threshold']) &
    (merged_df['Count'] > merged_df['Count_threshold']) &
    merged_df['Amount_threshold'].notna()
)

dfTotal = df1[filter_condition].reset_index(drop=True)

效果验证 #

运行后dfTotal会精准保留符合条件的行——比如示例中第二个car行（Amount=50，Count=2）因Count小于阈值3被过滤，最终只保留第一个car行，完美适配同Type多差异行的场景。

内容的提问来源于stack exchange，提问作者Marco