基于状态列值与缺失的区域信息删除DataFrame指定行的方法问询

看起来你遇到了两个核心需求：一是批量删除某个ID的所有条目（因为该ID对应的status标记为deleted），二是移除region为空的行。不过首先得先处理原始数据里跨行的空ID和空name——这些缺失值会干扰后续的筛选操作，咱们一步步来解决：

步骤1：先补全缺失的ID和name值 #

你的数据里，同一个ID的条目只有第一行有完整的id和name，后续行都是空值。我们可以用ffill()（向前填充）把这些空值补上，让每一行都关联到正确的ID和名称：

import pandas as pd

data = {'id': {0: '1',1: '',2: '', 3: '', 4: '2', 5: '', 6: '', 7: '', 8: '3', 9: '', 10: '', 11: '', 12: '4', 13: '', 14: '', 15: ''},
 'name': {0: 'foo', 1: '', 2: '', 3: '', 4: 'bar', 5: '', 6: '', 7: '', 8: 'baz', 9: '', 10: '', 11: '', 12: 'buz', 13: '', 14: '', 15: ''},
 'status': {0: '', 1: '', 2: '', 3: '', 4: '', 5: '', 6: '', 7: '', 8: 'deleted', 9: '', 10: '', 11: '', 12: '', 13: '', 14: '', 15: ''},
 'region': {0: 'north', 1: 'east', 2: 'west', 3: 'south', 4: 'north', 5: 'east', 6: 'west', 7: '', 8: 'north', 9: 'east', 10: 'west', 11: 'south', 12: 'north', 13: 'east', 14: 'west', 15: 'south'},
 'category': {0: 'a', 1: 'a', 2: 'a', 3: 'a', 4: 'b', 5: 'b', 6: 'b', 7: 'b', 8: 'c', 9: 'c', 10: 'c', 11: 'c', 12: 'd', 13: 'd', 14: 'd', 15: 'd'}}

df = pd.DataFrame(data)

# 向前填充空的id和name值
df['id'] = df['id'].ffill()
df['name'] = df['name'].ffill()

步骤2：定位需要删除的ID集合 #

现在可以轻松找出所有status为deleted的ID，这些ID的所有条目都需要被移除：

# 获取所有标记为deleted的id
deleted_ids = df[df['status'] == 'deleted']['id'].unique()

步骤3：筛选符合要求的最终行 #

接下来我们只保留两类行：ID不在删除列表中，并且region不为空的行：

# 筛选最终结果
filtered_df = df[(~df['id'].isin(deleted_ids)) & (df['region'] != '')]

执行完上述代码后，filtered_df的结果就和你期望的一致了：

id  name status  region category
0   1   foo          north        a
1   1   foo           east        a
2   1   foo           west        a
3   1   foo          south        a
4   2   bar          north        b
5   2   bar           east        b
6   2   bar           west        b
12  4   buz          north        d
13  4   buz           east        d
14  4   buz           west        d
15  4   buz          south        d

关于你之前遇到的问题解释 #

你之前用groupby得到的结果里出现了额外的False行，是因为原始数据中存在空白ID的行（比如索引7），groupby会把空白ID当成一个独立的分组。补全ID的空值后，这个问题就自然解决了。

备注：内容来源于stack exchange，提问作者Brad