Pandas中如何基于多条件对DataFrame分组并过滤目标分组

你原有写法的核心问题不是不支持多条件，是条件构造逻辑有误，扩展多列条件只需要先组合逐行的多条件布尔判断，再做分组transform即可。

实现逻辑 #

你要实现的是：筛选出所有**组内存在任意一行同时满足product_id=23546且purchase_value=50**的order_id分组下的全部行，对应步骤如下：

• 先构造逐行的多条件匹配布尔掩码
• 按order_id分组，判断每个分组是否存在匹配行，将结果广播到原表每一行
• 用最终的布尔掩码过滤原表

代码实现 #

# 构造多列联合匹配条件
match_condition = (df["product_id"] == 23546) & (df["purchase_value"] == 50)
# 分组判断组内是否存在匹配项，生成过滤掩码
filter_mask = match_condition.groupby(df["order_id"]).transform("any")
# 过滤得到结果
df_filtered = df[filter_mask]

示例运行效果 #

用你提供的测试数据运行后，会保留order_id=1234的全部两行数据，过滤掉无匹配项的order_id=5678分组，结果如下：

order_id  product_id  purchase_value
0      1234     23546.0              50
1      1234     23546.0              20

如果你不需要保留对应订单的全部行，只需要提取符合product_id=23546且purchase_value=50的行，不需要分组操作，直接用逐行条件过滤即可：

df_filtered = df[(df["product_id"] == 23546) & (df["purchase_value"] == 50)]

内容的提问来源于stack exchange，提问作者dinn_