如何基于多列值删除Pandas DataFrame行？含多层列场景代码

嘿，针对你这个带两级列的DataFrame删除行的需求，我给你整理了几种实用的方法，结合你的WHOData场景来举例：

核心思路 #

不管是普通DataFrame还是多级列的，核心都是先构建布尔过滤条件，然后筛选掉符合删除条件的行。多级列的关键是要正确指定你要判断的列位置。

方法1：布尔索引直接过滤（最直观推荐） #

假设你的两级列是(指标名称, 国家名称)的结构（比如('Life Expectancy', 'China')），要删除满足多个列条件的行，直接组合条件即可：

# 示例：删除"中国预期寿命<70 且 美国预期寿命>80"的行
# 1. 构建条件：用loc精准定位多级列
condition = (WHOData.loc[:, ('Life Expectancy', 'China')] < 70) & \
            (WHOData.loc[:, ('Life Expectancy', 'USA')] > 80)

# 2. 保留不满足条件的行（~表示取反）
filtered_who_data = WHOData[~condition]

如果你的国家是列的第一级（比如('China', 'Life Expectancy')），只需要调整loc里的索引顺序就行。

方法2：用drop()方法删除指定行 #

先找到要删除的行的索引，再批量删除：

# 同样先构建条件
condition = (WHOData.loc[:, ('Life Expectancy', 'China')] < 70) & \
            (WHOData.loc[:, ('Life Expectancy', 'USA')] > 80)

# 获取要删除的行的索引
rows_to_remove = WHOData[condition].index

# 删除这些行
filtered_who_data = WHOData.drop(rows_to_remove)

针对多级列的批量处理技巧 #

如果要针对同一级的所有列做判断（比如删除所有国家的某指标都为0的行），可以用xs提取子DataFrame来简化操作：

# 提取所有国家的"Life Expectancy"指标列（level=0表示取第一级列）
life_exp_subset = WHOData.xs('Life Expectancy', level=0, axis=1)

# 条件：所有国家的预期寿命都为0
condition = (life_exp_subset == 0).all(axis=1)

# 删除满足条件的行
filtered_who_data = WHOData[~condition]

结合你现有的循环场景 #

如果你是在遍历国家构建图表时需要删除行，可以在生成country_df后直接处理：

# 注意：如果列是多级，先获取唯一的国家列表（避免重复循环）
for country in WHOData.columns.get_level_values(1).unique():
    country_df = WHOData[[country]].unstack().fillna(0)
    # 示例：删除country_df中值为0的行
    country_df = country_df[country_df != 0].dropna()
    # 接下来继续你的绘图逻辑...

内容的提问来源于stack exchange，提问作者kiltannen