Python DataFrame的df.loc多列判断如何用循环替代多行重复代码

你可以先定义需要校验的最大slope序号变量，再通过逻辑条件累加的方式替代手写的重复判断，两种常用实现方式如下：

方法1：循环拼接条件 #

# 可按需修改这个值，比如要校验到96就设为96，校验到16就设为16
max_slope_serial = 96

df = dfm.set_index(['token', 'serial']).unstack()
# 初始化第一个条件：最大序号的slope值大于0
cond = df[('slope', max_slope_serial)].gt(0)
# 循环拼接后续的递减判断条件
for i in range(max_slope_serial - 1, 0, -1):
    cond &= df[('slope', i)].gt(df[('slope', i + 1)])

dfs = (df.loc[cond]
       .stack(level=1)
       .reset_index()
       .query('serial <= 1')
       )

方法2：用reduce批量合并条件（写法更简洁） #

from functools import reduce
import operator

max_slope_serial = 96
df = dfm.set_index(['token', 'serial']).unstack()

# 生成所有条件的列表
cond_list = [df[('slope', max_slope_serial)].gt(0)] + \
            [df[('slope', i)].gt(df[('slope', i+1)]) for i in range(max_slope_serial-1, 0, -1)]
# 按与逻辑合并所有条件
cond = reduce(operator.and_, cond_list)

dfs = (df.loc[cond]
       .stack(level=1)
       .reset_index()
       .query('serial <= 1')
       )

两种方法执行效果完全一致，你只要修改max_slope_serial的取值就能适配任意校验长度，不需要再手动编写每一行判断逻辑。使用前请确认你的df中已经生成了序号1到max_slope_serial对应的slope列，避免索引报错。

内容的提问来源于stack exchange，提问作者teneji