如何基于多条件删除DataFrame行？寻求更优实现方案

问题背景 #

现有如下DataFrame结构：

dic = {'customer_id': [102, 102, 105, 105, 110, 110, 111], 
       'product':['skateboard', 'skateboard', 'skateboard', 'skateboard', 'shoes', 'skateboard', 'skateboard'],
       'brand': ['Vans', 'Converse', 'Vans', 'Converse', 'Converse','Converse', 'Vans'],
      'membership': ['member', 'not-member', 'not-member', 'not-member', 'member','not-member', 'not-member']}
df = pd.DataFrame(dic)

需求说明 #

需在customer_id与product的组合粒度下处理数据：如果某客户在某个产品下存在任意品牌的member记录，就删除该客户对应产品下所有membership为not-member的行。

• 示例：客户102的skateboard产品有Vans品牌的member记录，所以只保留该行，删除同产品下的not-member行；
• 客户105在skateboard产品下没有任何member记录，保留所有行；
• 客户110的产品分shoes和skateboard，属于不同粒度组合，各自判断后保留所有行。

现有实现 #

目前通过生成customer_id+product唯一组合循环处理的方式实现了需求，但希望得到更高效的优化方案：

df['customer_product'] = df['customer_id'].astype(str) + '_' + df['product']
unique_customer_product = df['customer_product'].unique()
for pair in unique_customer_product:
    filtered_df = df[df['customer_product'] == pair]
    if 'member' in filtered_df['membership'].values:
        df = df.drop(df[(df.customer_product == pair) & (df.membership == 'not-member')].index)

内容的提问来源于stack exchange，提问作者M J