pandas DataFrame多条件过滤统计不合格参数及对应条目数咨询

• 范围判断规则错误：D、E的合法取值范围是100~300，异常应该是小于100或大于300，你写的<=110、>=800完全不符合要求，匹配不到正确的异常值。
• 逻辑运算符使用错误：你用&（与逻辑）做筛选，意味着只有某条数据的所有参数都同时异常才会被选中，你的数据集里没有这种条目，自然返回空表。

你可以先构造每个参数的异常判断矩阵，再统计每条数据的异常数量和对应的异常参数，再按需求分类统计即可，完整可运行代码如下：

import pandas as pd

# 构造原始数据
data = {'Item':['1', '2', '3', '4', '5'], 
'A':[142, 11, 50, 60, 12], 
'B':[55, 65, 130, 14, 69],
'C':[68, -18, 65, 16, 17],
'D':[60, 0, 150, 170, 130],
'E':[230, 200, 5, 10, 160]}
df = pd.DataFrame(data)

# 定义各参数的异常判断规则
abnormal_rules = {
    'A': lambda x: (x < -100) | (x > 100),
    'B': lambda x: (x < -100) | (x > 100),
    'C': lambda x: (x < -70) | (x > 70),
    'D': lambda x: (x < 100) | (x > 300),
    'E': lambda x: (x < 100) | (x > 300)
}

# 生成异常矩阵：值为True代表对应参数异常
abnormal_matrix = pd.DataFrame({col: abnormal_rules[col](df[col]) for col in abnormal_rules.keys()})

# 为原始表增加异常数量、异常参数列
df['异常参数数量'] = abnormal_matrix.sum(axis=1)
df['异常参数列表'] = abnormal_matrix.apply(lambda row: ','.join(row[row].index.tolist()), axis=1)

# 统计结果
# 总不合格条目
unqualified = df[df['异常参数数量'] >= 1]
# 单参数异常条目
single_abnormal = df[df['异常参数数量'] == 1]
# 多参数异常条目
multi_abnormal = df[df['异常参数数量'] >= 2]

# 输出统计结果
print(f"总不合格条目数：{len(unqualified)}")
print(f"单参数异常条目数：{len(single_abnormal)}，明细：\n{single_abnormal[['Item','异常参数列表']]}")
print(f"多参数异常条目数：{len(multi_abnormal)}，明细：\n{multi_abnormal[['Item','异常参数列表']]}")

运行上述代码会得到和你示例需求完全一致的结果：

• 5个条目中4个不合格
• 2个条目存在多参数异常：条目1对应A、D，条目3对应B、E
• 2个条目存在单参数异常：条目2对应D，条目4对应E

内容的提问来源于stack exchange，提问作者heartbit