Pandas DataFrame多级分组聚合后如何筛选符合要求的报价记录

方案1：基于已生成的多级索引宽表筛选 #

你已经通过两次unstack得到了以QuoteNum为行索引的多级列宽表，直接按如下逻辑编写筛选条件即可：

# 1. 定义需要排除的三列（只要有值就不符合要求的列）
exclude_cols = [
    ('QuoteLine-count', 0, 'M'),
    ('QuoteLine-count', 0, 'P'),
    ('QuoteLine-count', 1, 'K')
]
# 2. 定义合法业务场景对应的三列（至少有一列有值才是有效记录）
valid_cols = [
    ('QuoteLine-count', 0, 'K'),
    ('QuoteLine-count', 1, 'M'),
    ('QuoteLine-count', 1, 'P')
]

# 3. 构造两个筛选条件
# 条件1：所有排除列均为空值
cond_exclude = grouped[exclude_cols].isna().all(axis=1)
# 条件2：合法列至少有一列非空
cond_valid = grouped[valid_cols].notna().any(axis=1)

# 4. 应用条件拿到结果
result = grouped[cond_exclude & cond_valid]

方案2：更简洁的实现（无需转宽表） #

不用执行unstack转宽表，直接按QuoteNum分组判断全量条目是否符合业务规则即可，性能更高逻辑更直观：

# 定义单报价单的合规判断规则
def check_quote_valid(group):
    # 所有条目满足：无库存套件 或 有库存的自制/采购件
    rule = (group['stock'] == 0) & (group['typecode'] == 'K') | \
           (group['stock'] == 1) & (group['typecode'].isin(['M', 'P']))
    return rule.all()

# 直接过滤出所有合规的报价单记录
valid_quotes_df = df.groupby('QuoteNum').filter(check_quote_valid)

# 如果需要输出分组统计结果，再执行聚合即可
grouped_result = valid_quotes_df.groupby(['QuoteNum', 'typecode', 'stock']).agg({"QuoteLine": "count"})

内容的提问来源于stack exchange，提问作者Shreko