基于ID对应阈值保留Pandas DataFrame中Time行的技术求助

嘿，这个需求很明确，我给你提供两种简洁的实现方式，都是基于pandas的常规操作，完全能满足你的要求：

方法一：构建映射字典后添加阈值列筛选 #

这种方法直观易懂，适合需要中间查看阈值对应关系的场景：

1. 首先把difference列表和ID（1到100）对应起来，构建一个映射字典：

# 因为ID从1开始，列表索引从0开始，所以用start=1让枚举从1开始对应ID
threshold_map = {id_num: diff_val for id_num, diff_val in enumerate(difference, start=1)}

2. 给原DataFrame添加一列对应的阈值：

df['threshold'] = df['ID'].map(threshold_map)

3. 筛选出Time小于等于对应阈值的行，最后可以删掉临时的阈值列：

filtered_df = df[df['Time'] <= df['threshold']].drop(columns='threshold')

方法二：直接使用apply逐行判断 #

如果不想添加额外的列，可以用apply函数直接每行校验条件，代码更紧凑：

# 先构建同样的映射字典
threshold_map = {id_num: diff_val for id_num, diff_val in enumerate(difference, start=1)}
# 逐行判断Time是否<=对应ID的阈值
filtered_df = df[df.apply(lambda row: row['Time'] <= threshold_map[row['ID']], axis=1)]

额外校验（可选） #

为了避免difference列表长度和ID数量不匹配导致的错误，你可以先加个断言校验：

assert len(difference) == 100, "difference列表的长度必须等于ID的总数（100）"

举个小例子：假设ID=1对应的阈值是161，那原DataFrame中所有ID=1且Time≤161的行都会被保留，完全符合你的要求。

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