基于条件删除布尔值行：删除仅NIT/FIB为True的DataFrame行

没问题，我来帮你搞定这两个删除需求。咱们用pandas来处理，思路很清晰——通过筛选保留符合要求的行（也就是排除掉你要删除的行），这种方式比直接drop更直观，也不容易出错。

先明确前提：从你的示例来看，number是数值列，剩下的ISM、AAAL、GSOG、GSI、AN、NIT、FIB都是布尔型列（值为True/False）。我们的目标是删除两类行：

1. 删除所有NIT为True且其余布尔列均为False的行 #

先定义所有布尔列的列表，然后构建筛选条件，保留不满足删除条件的行：

import pandas as pd

# 假设你的DataFrame已经是df了
bool_cols = ['ISM', 'AAAL', 'GSOG', 'GSI', 'AN', 'NIT', 'FIB']

# 筛选并保留：排除「NIT为True + 其他所有布尔列全为False」的行
df = df[~((df['NIT'] == True) & ((df[bool_cols].drop('NIT', axis=1) == False).all(axis=1)))]

代码解释： #

• ~ 是取反操作，因为我们要保留不满足删除条件的行
• df['NIT'] == True 定位到NIT为True的行
• (df[bool_cols].drop('NIT', axis=1) == False).all(axis=1) 检查除NIT外的所有布尔列是否全为False，all(axis=1) 表示按行判断所有列是否都满足条件
• & 表示两个条件必须同时满足，取反后就得到我们需要保留的行

2. 删除所有FIB为True且其余布尔列均为False的行 #

逻辑和上面完全一致，只是把目标列换成FIB即可：

# 筛选并保留：排除「FIB为True + 其他所有布尔列全为False」的行
df = df[~((df['FIB'] == True) & ((df[bool_cols].drop('FIB', axis=1) == False).all(axis=1)))]

可选简化写法（适合列少的情况） #

如果你的布尔列不多，也可以用query方法直接写条件，更直观：

# 删除NIT符合条件的行
df = df.query("not (NIT == True and ISM == False and AAAL == False and GSOG == False and GSI == False and AN == False and FIB == False)")

# 删除FIB符合条件的行
df = df.query("not (FIB == True and ISM == False and AAAL == False and GSOG == False and GSI == False and AN == False and NIT == False)")

这种写法虽然直白，但如果布尔列很多的话，还是前面的方法更高效，不用手动列所有列名。

内容的提问来源于stack exchange，提问作者asd