基于另一DataFrame分组条件筛选Pandas DataFrame行

要实现按分组最值筛选数据的需求，你可以通过表关联+条件筛选的方式快速完成，步骤如下：

步骤1：关联两个DataFrame #

先把data和boundary按Name字段做左连接，这样data里的每一行都会带上对应Name的Min和Max阈值：

merged_df = data.merge(boundary, on='Name', how='left')

步骤2：按条件筛选行 #

直接筛选出Salary低于对应Min或高于对应Max的行：

filtered_df = merged_df[(merged_df['Salary'] < merged_df['Min']) | (merged_df['Salary'] > merged_df['Max'])]

步骤3：保留需要的列 #

最后只保留Name和Salary列，得到目标结果：

result = filtered_df[['Name', 'Salary']]
print(result)

运行后输出的结果就是你期望的：

Name  Salary
0   John    18000
2    Sam    15000
3    Sam    35000

另一种实现方式（无需合并表） #

如果不想生成中间合并表，也可以把boundary转成字典，用map给data添加阈值列，再筛选：

# 把boundary转成Name对应Min/Max的字典
min_map = boundary.set_index('Name')['Min'].to_dict()
max_map = boundary.set_index('Name')['Max'].to_dict()

# 给data添加对应阈值列
data['Min'] = data['Name'].map(min_map)
data['Max'] = data['Name'].map(max_map)

# 筛选并保留目标列
result = data[(data['Salary'] < data['Min']) | (data['Salary'] > data['Max'])][['Name', 'Salary']]

内容的提问来源于stack exchange，提问作者Trizzy