如何基于Email与Region列过滤DataFrame？三种场景需求问询

前置处理：转换Date列类型 #

先把字符串格式的Date转为datetime类型，避免后续操作可能出现的问题：

import pandas as pd

# 假设你的DataFrame名为df
df['Date'] = pd.to_datetime(df['Date'])

核心思路：按Email分组判断Region分布 #

我们需要先统计每个Email对应的所有Region，再根据分布情况分类过滤。这里提供两种实现方式：

方式一：基于Region集合判断 #

# 按Email分组，获取每个邮箱对应的所有唯一Region
email_region_map = df.groupby('Email')['Region'].agg(lambda x: set(x)).reset_index()

# 标记每个邮箱的类别
email_region_map['type'] = email_region_map['Region'].apply(
    lambda x: 'both' if {'Region 1', 'Region 2'}.issubset(x)
    else 'only_region1' if 'Region 1' in x
    else 'only_region2'
)

# 提取各类别对应的邮箱列表
both_emails = email_region_map[email_region_map['type'] == 'both']['Email']
only_region1_emails = email_region_map[email_region_map['type'] == 'only_region1']['Email']
only_region2_emails = email_region_map[email_region_map['type'] == 'only_region2']['Email']

方式二：基于统计计数判断 #

用nunique统计每个邮箱的Region数量，结合是否包含指定Region来判断：

# 按Email分组，统计Region相关指标
email_stats = df.groupby('Email').agg(
    region_num=('Region', 'nunique'),
    has_region1=('Region', lambda x: 'Region 1' in x.values),
    has_region2=('Region', lambda x: 'Region 2' in x.values)
).reset_index()

# 提取各类别对应的邮箱列表
both_emails = email_stats[email_stats['region_num'] == 2]['Email']
only_region1_emails = email_stats[email_stats['has_region1'] & ~email_stats['has_region2']]['Email']
only_region2_emails = email_stats[~email_stats['has_region1'] & email_stats['has_region2']]['Email']

三种过滤结果获取 #

1. 同时存在两个Region记录的Email #

df_both_regions = df[df['Email'].isin(both_emails)]

2. 仅存在Region 1记录的Email #

df_only_region1 = df[df['Email'].isin(only_region1_emails)]

3. 仅存在Region 2记录的Email #

df_only_region2 = df[df['Email'].isin(only_region2_emails)]

内容的提问来源于stack exchange，提问作者sanminchui