Python与Pandas中是否存在可返回全部行的虚拟对比变量？

方法1：通用自定义匹配对象（推荐，适配所有对比列） #

你可以通过定义一个重写了相等判断逻辑的类，创建通用的虚拟匹配值，该值和任意对象做==比较都会返回True，完全适配你50个对比列的场景，不需要针对每个列做特殊处理：

# 定义通用虚拟匹配类
import numpy as np
class DummyMatcher:
    def __eq__(self, other):
        # 逐元素返回True，适配pandas Series批量比较
        return np.ones(len(other), dtype=bool)
    
    # 可选，添加该方法避免pandas版本差异带来的广播警告
    def __array_ufunc__(self, ufunc, method, *inputs, **kwargs):
        if ufunc == np.equal and method == '__call__':
            return np.ones(len(inputs[1]), dtype=bool)
        return NotImplemented

# 实例化虚拟值
dummy = DummyMatcher()

使用方式直接把dummy变量加入你的遍历列表即可，不需要做其他修改：

dfNew = []
# 直接把dummy加入遍历列表，元素类型可以混合字符串和自定义对象
for ii in ['a1', 'a2', dummy]:
 for jj in ['a', 'b', dummy]:
  dfNew.append(df[(df['C1'] == ii) & (df['C2'] == jj)])

当遍历到dummy值时，对应的==判断会对所有行返回True，相当于该过滤条件被忽略，仅保留其余条件生效，完全符合你的需求。

方法2：列自身作为匹配值（无缺失值场景可用） #

如果你确定对应对比列不存在NaN缺失值，也可以直接把列本身作为虚拟值加入列表，df['C1'] == df['C1']会对所有非NaN行返回True：

# C1列的虚拟值为自身Series
c1_dummy = df['C1']
for ii in ['a1', 'a2', c1_dummy]:
    ...

• 方法1的DummyMatcher实例可以在所有对比列的遍历列表中通用，不需要为每个列单独创建
• 如果你的数据中存在NaN值，仅推荐使用方法1，因为NaN == NaN在pandas中默认返回False，方法2会过滤掉NaN行

内容的提问来源于stack exchange，提问作者Zanam