You need to enable JavaScript to run this app. Pandas按不同变量值匹配对应年份规则筛选DataFrame行
优惠活动
大模型
产品
解决方案
定价
更多

Pandas按不同变量值匹配对应年份规则筛选DataFrame行

Pandas 按变量列实现差异化年份筛选

针对给定的长表结构DataFrame,需要按照variable列的取值应用不同的年份筛选规则,核心规则拆解如下:

  • 当variable属于指定列表var = ['a', 'b']时,仅保留year为2020、2030的行
  • 当variable不属于上述列表时,保留year为2020、2030、2040的行

方案1:布尔掩码拼接(适合简单规则场景)

该方案逻辑和需求完全一一对应,不存在分组操作带来的索引错位问题,出错概率低,适合规则固定的快速筛选场景。
具体实现代码:

import pandas as pd

# 复现示例原始数据
df = pd.DataFrame({
    "id": [1] * 12,
    "variable": ["a"] * 4 + ["b"] * 4 + ["c"] * 4,
    "year": [2020, 2030, 2040, 2050] * 3
})

var_target = ["a", "b"]
# 拆分两个筛选条件,最终取条件并集
# 条件1:目标列表内的变量匹配指定保留年份
mask_in_target = df["variable"].isin(var_target) & df["year"].isin([2020, 2030])
# 条件2:目标列表外的其他变量匹配指定保留年份
mask_not_in_target = ~df["variable"].isin(var_target) & df["year"].isin([2020, 2030, 2040])

# 合并条件完成筛选,重置索引得到最终结果
df_filtered = df[mask_in_target | mask_not_in_target].reset_index(drop=True)

方案2:分组映射规则筛选(适合多规则扩展场景)

该方案将筛选规则和核心代码分离,后续调整筛选条件时仅需要修改规则配置内容,不需要改动核心筛选逻辑,适合多变量、多差异化规则的复杂筛选场景。
具体实现代码:

# 预配置筛选规则:键为variable值,值为对应需保留的年份列表
# _default为所有未单独配置的变量对应的通用规则
year_rule_map = {
    "a": [2020, 2030],
    "b": [2020, 2030],
    "_default": [2020, 2030, 2040]
}

def filter_group_by_rule(group_df):
    current_var = group_df["variable"].iloc[0]
    # 匹配对应规则,没有单独配置的变量走默认规则
    keep_years = year_rule_map.get(current_var, year_rule_map["_default"])
    return group_df[group_df["year"].isin(keep_years)]

# 按variable分组后逐组应用筛选规则,关闭分组键避免引入额外列
df_filtered = df.groupby("variable", group_keys=False).apply(filter_group_by_rule)

内容的提问来源于stack exchange,提问作者Ankur

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.15 01:45:05