如何在Python中筛选具备全周期数据的DataFrame个体？

当然可以实现，以下是基于pandas库的两种常用解决方法：

方法一：直接校验年份集合 #

通过分组后检查每个id的年份是否包含全部目标年份（2019、2020、2021）：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'id': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
    'year': [2019, 2020, 2021, 2019, 2020, 2021, 2020, 2021],
    'gdp': [3, 0, 5, 4, 2, 1, 5, 4]
})

# 定义需要覆盖的完整年份集合
required_years = {2019, 2020, 2021}

# 筛选出拥有完整年份的id
valid_ids = df.groupby('id')['year'].apply(
    lambda x: required_years.issubset(x.unique())
).loc[lambda x: x].index

# 过滤得到结果
result = df[df['id'].isin(valid_ids)]
print(result)

方法二：通过年份数量校验 #

先过滤掉不在目标年份范围内的记录，再统计每个id的唯一年份数是否为3（适用于已知目标年份数量的场景）：

import pandas as pd

df = pd.DataFrame({
    'id': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
    'year': [2019, 2020, 2021, 2019, 2020, 2021, 2020, 2021],
    'gdp': [3, 0, 5, 4, 2, 1, 5, 4]
})

required_years = {2019, 2020, 2021}

# 先过滤年份，再统计每个id的唯一年份数
filtered_year_df = df[df['year'].isin(required_years)]
valid_ids = filtered_year_df.groupby('id')['year'].nunique() == 3
valid_ids = valid_ids[valid_ids].index

result = df[df['id'].isin(valid_ids)]
print(result)

两种方法都能得到你需要的结果，其中方法一逻辑更严谨，可直接确保包含所有必要年份；方法二则更简洁，适合明确目标年份数量的场景。

内容的提问来源于stack exchange，提问作者maxst