Pandas如何按多条件筛选source_system为I的行及符合要求的前一行

问题分析 #

原代码无法得到预期结果主要有两个问题：

• 列名不匹配：数据集实际列名为source_system和r_diff，原代码误用了不存在的visit_source_value、diff列
• 逻辑不符合需求：原代码没有绑定source_system的关联判断，仅单纯判断r_diff数值，会误选大量不符合要求的行

正确实现代码 #

import pandas as pd
import numpy as np

# 构造测试数据集（和你提供的样例一致）
df = pd.DataFrame({
    'person_id': [1,1,1,1,2,2,2,2,2,2,2,2,2],
    'source_system': ['O','O','O','O','O','I','O','O','I','O','O','O','I'],
    'r_diff': [np.nan, 0,9,np.nan,574,20,135,0,21,2,0,0,12]
})

# 构建筛选掩码
# 掩码1：满足条件1，所有source_system为I的行
m1 = df['source_system'] == 'I'
# 掩码2：满足条件2，按person_id分组后，当前行是O、r_diff为0、且下一行是I的行
m2 = (
    (df['source_system'] == 'O') & 
    (df['r_diff'] == 0) & 
    (df.groupby('person_id')['source_system'].shift(-1) == 'I')
)

# 合并掩码筛选行
result = df[m1 | m2].reset_index(drop=True)
print(result)

输出结果 #

person_id source_system  r_diff
0          2             I    20.0
1          2             O     0.0
2          2             I    21.0
3          2             O     0.0
4          2             I    12.0

逻辑说明 #

用groupby('person_id')['source_system'].shift(-1)取分组内下一行的系统标识，刚好对应你要求的「I行的前一行」的判断逻辑，同时绑定当前行必须是O且r_diff为0的条件，完全匹配需求。空值NULL在r_diff==0的判断中会自动返回False，不会被误选。

内容的提问来源于stack exchange，提问作者The Great