如何基于多条件筛选Pandas DataFrame？求完整解决方案

咱们一步步来搞定这个数据筛选需求，先把背景信息理清楚：

1. 原始数据 #

你提供的设备分类数据如下：

2. 核心筛选条件 #

需要满足三个要求：

• 设备在其latest_class对应的类别中至少连续3个月（即该类别列的数值≥3）
• 剔除latest_class为'Other'的所有记录
• 剔除曾属于多个类别的设备（比如d_id=38同时有G和Val的非零值，属于多类别）

3. 完整实现代码 #

你已经完成了第一个条件的筛选，现在咱们把另外两个条件补上，整合出完整的代码：

import numpy as np
import pandas as pd

# 先加载你的数据（如果已经加载好可以跳过这部分）
device_class = pd.DataFrame({
    'Base': [0,12,0,0,0,12,0,0,0,0,0,0,0,0],
    'G': [2,0,0,0,0,0,0,0,12,0,0,0,0,0],
    'Pref': [0,0,12,0,0,0,0,0,0,12,0,8,0,0],
    'Sier': [0,0,0,12,12,0,0,0,0,0,0,5,0,0],
    'Val': [12,0,0,0,0,0,0,0,0,0,0,0,12,12],
    'Other': [0,0,0,0,0,0,12,12,0,0,12,0,0,0],
    'latest_class': ['Val','Base','Pref','Sier','Sier','Base','Other','Other','G','Pref','Other','Sier','Val','Val'],
    'd_id': [38,39,40,41,42,43,45,46,47,48,51,53,54,55]
})

# 条件1：设备在latest_class对应类别中连续≥3个月
i = np.arange(len(device_class))
# 找到每行latest_class对应的列索引
j = (device_class.columns[:-2].values[:, None] == device_class.latest_class.values).argmax(0)
cond1 = device_class.values[i,j] >= 3

# 条件2：过滤latest_class为Other的记录
cond2 = device_class['latest_class'] != 'Other'

# 条件3：过滤多类别设备（只保留非零类别数为1的设备）
# 取前6个分类列，统计每行非零值的数量
cond3 = (device_class.iloc[:, :-2] != 0).sum(axis=1) == 1

# 合并所有条件，得到最终筛选结果
filtered_device = device_class[cond1 & cond2 & cond3]

# 输出结果
print(filtered_device)

4. 运行结果 #

执行上面的代码后，会得到你预期的输出：

内容的提问来源于stack exchange，提问作者Shuvayan Das