Pandas 1.3.4如何按col1不同取值设置col2阈值筛选行

Pandas 1.3.4版本完全支持该需求，以下是两种常用实现方式：

方案1：直接拼接布尔条件 #

按照需求把每一组规则拆成(col1匹配判断) & (col2阈值判断)的组合，再用逻辑或|拼接所有规则即可，注意每一组独立条件必须用括号包裹，避免运算符优先级出错：

result = df[
    ((df['col1'] == 'A') & (df['col2'] > 10)) |
    ((df['col1'] == 'C') & (df['col2'] > 5)) |
    ((df['col1'] == 'B') & (df['col2'] > 1000))
]

方案2：阈值映射法（规则较多时更简洁） #

如果后续需要调整/新增规则，直接修改阈值字典即可，不需要修改判断逻辑：

1. 首先定义col1取值对应的阈值映射：

threshold_map = {
    'A': 10,
    'C': 5,
    'B': 1000
}

2. 把col1列映射为对应阈值后和col2比较即可完成筛选：

result = df[df['col2'] > df['col1'].map(threshold_map)]

两种方案得到的结果都和预期一致：

内容的提问来源于stack exchange，提问作者Tim Kirkwood