如何在Python/Pandas DataFrame中筛选含过期标识的软件全量记录？

问题场景 #

现有如下结构的Pandas DataFrame：

其中Identified列通过以下代码生成（标记日期早于当前日期一年前的记录为1）：

import pandas as pd
import datetime as dt

dfcheck = pd.read_csv('version-data.csv', encoding='utf8')
df = pd.DataFrame(dfcheck)

olderdata = dt.date.today() - pd.DateOffset(years=1)

df['Identified'] = (df['Date'] <= olderdata).astype(int)

需求：创建新的DataFrame，保留所有存在至少一条Identified=1的软件的全部行，预期输出如下：

实现方案 #

方法一：使用groupby + transform #

通过分组判断每个软件是否存在Identified=1的记录，再进行过滤：

# 按Software分组，判断每组是否有至少一个Identified=1的记录
has_identified = df.groupby('Software')['Identified'].transform(lambda x: x.any())

# 筛选符合条件的行
new_df = df[has_identified]

方法二：先提取目标软件列表再过滤 #

先找出所有存在Identified=1的软件，再用这个列表过滤原DataFrame：

# 获取所有Identified=1的软件名称，去重
target_softwares = df[df['Identified'] == 1]['Software'].unique()

# 筛选软件在目标列表中的所有行
new_df = df[df['Software'].isin(target_softwares)]

两种方法都能得到预期结果，小数据量下效率相近；大数据量时，方法二的性能通常更优。

内容的提问来源于stack exchange，提问作者Acuity