如何对DataFrame执行多行间条件过滤：按location_id筛选client_id

原始DataFrame如下：

client_id   location_id      region_name    location_name
1                123          Florida        location_ABC
6                123          Florida(P)     location_ABC
6                845          Miami(P)       location_THE
1                386          Boston         location_WOP
6                386          Boston(P)      location_WOP

需求：

• 若某个location_id对应多个不同的client_id，选取其中client_id == 1的行；
• 若某个location_id仅对应一个client_id，保留该行即可。

期望结果：

client_id   location_id      region_name    location_name
1                123          Florida        location_ABC
6                845          Miami(P)       location_THE
1                386          Boston         location_WOP

解决思路 #

方法一：分组统计+拆分合并 #

1. 先统计每个location_id对应的不同client_id数量：

   client_unique_counts = df.groupby('location_id')['client_id'].nunique()
   

2. 拆分出两类location_id：有多个不同client_id的组，以及只有单个client_id的组：

   multi_client_locs = client_unique_counts[client_unique_counts > 1].index
   single_client_locs = client_unique_counts[client_unique_counts == 1].index
   

3. 分别筛选对应数据后合并：

   # 多client_id组中取client_id=1的行
   part1 = df[(df['location_id'].isin(multi_client_locs)) & (df['client_id'] == 1)]
   # 单client_id组保留所有行
   part2 = df[df['location_id'].isin(single_client_locs)]
   # 合并并排序，和示例结果对齐
   result = pd.concat([part1, part2]).sort_values('location_id').reset_index(drop=True)
   

方法二：用transform实现行级标记（更简洁） #

通过transform给每行添加所在分组的client_id唯一数量，直接按条件过滤：

# 给每行添加该location_id的不同client_id数量
df['client_unique_count'] = df.groupby('location_id')['client_id'].transform('nunique')
# 过滤逻辑：单client_id组直接保留，多client_id组只留client_id=1的行
result = df[
    (df['client_unique_count'] == 1) | 
    ((df['client_unique_count'] > 1) & (df['client_id'] == 1))
].drop('client_unique_count', axis=1)
# 可选：按location_id排序
result = result.sort_values('location_id').reset_index(drop=True)

两种方法都能得到目标结果，方法二无需拆分合并，代码更紧凑。

内容的提问来源于stack exchange，提问作者bellotto