如何无需预知分类值实现DataFrame按两类组合过滤？

嘿，我懂你的痛点——手动逐个写组合条件不仅繁琐，要是后续分类列新增了取值，还得跟着改代码，太不灵活了。其实用Pandas的内置方法就能轻松解决这个问题，完全不需要预先知道两列的取值，下面给你两种实用的方案：

方案一：用groupby直接分组（最推荐） #

groupby会自动识别client和facility的所有唯一组合，直接生成对应分组的DataFrame，代码简洁还能自动适配后续的新分类值：

import pandas as pd

# 假设你的原始数据已经加载到df里
# 按client和facility两列分组
grouped_dfs = {}
for (client_val, facility_val), group_df in df.groupby(['client', 'facility']):
    # 把每个分组存入字典，键是组合元组，值是对应DataFrame
    grouped_dfs[(client_val, facility_val)] = group_df
    # 这里可以添加对每个分组的处理逻辑，比如打印查看
    print(f"已生成组合: {client_val} + {facility_val}，数据行数: {len(group_df)}")

这样你想调用某个组合的数据时，直接用grouped_dfs[('client_abc', 'F1')]就能拿到对应的DataFrame，比单独创建一堆变量清爽多了。

方案二：先获取所有唯一组合再循环过滤 #

如果你更习惯手动过滤的逻辑，可以先提取两列的所有唯一组合，再循环生成过滤条件：

# 获取client和facility的所有不重复组合
unique_combinations = df[['client', 'facility']].drop_duplicates().values.tolist()

grouped_dfs = {}
for combo in unique_combinations:
    client_val, facility_val = combo
    # 注意：每个条件要加括号，因为&的优先级比==高！
    filtered_df = df[(df['client'] == client_val) & (df['facility'] == facility_val)]
    grouped_dfs[(client_val, facility_val)] = filtered_df

小提示 #

你之前的代码里有个容易踩的坑：过滤条件里的每个比较表达式必须单独加括号，比如(df['facility']=='F1') & (df['client'] == 'client_abc')，不然Pandas会因为运算符优先级问题报错，这点要注意哦。

内容的提问来源于stack exchange，提问作者prabhu prasad