Question

样本DF：

placeholder: (context, url) => new CircularProgressIndicator(),

预期DF：

ID   Name        Price     Amount      Fit_Test
1    Apple         10      15        Super_Fit
2    Apple         10      0          Super_Fit
3    Apple         10      0          Super_Fit
4    Orange        12      20          Not_Fit
5    Orange        12      0          Not_Fit
6    Banana        15      17          Medium_Fit
7    Banana        15      0         Medium_Fit
8    Pineapple     25      19          Medium_Fit
9    Pineapple     25      18          Medium_Fit
10   Cherry        30      56         Super_Fit
11   XXX           50      0          Medium_Fit
12   XXX           50      0          Medium_Fit

问题陈述：

我想用ID Name Price Amount Fit_Test 1 Apple 10 15 Super_Fit 2 Apple 10 0 Super_Fit 3 Apple 10 0 Super_Fit 4 Orange 12 20 Not_Fit 6 Banana 15 17 Medium_Fit 8 Pineapple 25 19 Medium_Fit 9 Pineapple 25 18 Medium_Fit 10 Cherry 30 56 Super_Fit 11 XXX 50 0 Medium_Fit 12 XXX 50 0 Medium_Fit和group-by Name，然后基于Price并以Amount作为条件列进行过滤。

如果Fit_Test为Fit_Test，则不需要no操作。 （行1,2,3和10在输入和期望DF中是相同的）
如果在Super_Fit和Name条件下且Fit_Test不是Price，请检查其是否具有Super_Fit作为Amount的{{1}}然后删除该行（删除ID 4,5,6,7以及“预期5和7”中的ID）
如果在0和Name条件内，并且Fit_Test不是Price，如果合同金额大于零，则不要删除任何行（第8行和第9行在Input和Expected DF中相同）
如果在Super_Fit和Name条件内，并且Fit_Test不是Price，如果合同金额的所有值均等于零，则不删除任何行（第11行和第12行在Input和Expected DF中相同）

我可以做一个解决方案，它删除所有零但对条件列没有帮助

Answer 1

您可以链接2个条件-比较Fit_Test，并按GroupBy.transform和GroupBy.all检查每组是否所有True，并进行第二次比较是否不相等：

m1 = df['Fit_Test'].eq('Super_Fit').groupby([df['Name'],df['Price']]).transform('all')
m2 = df['Amount'].ne(0)

df = df[m1 | m2]
print (df)
   ID       Name  Price  Amount    Fit_Test
0   1      Apple     10      15   Super_Fit
1   2      Apple     10       0   Super_Fit
2   3      Apple     10       0   Super_Fit
3   4     Orange     12      20     Not_Fit
5   6     Banana     15      17  Medium_Fit
7   8  Pineapple     25      19  Medium_Fit
8   9  Pineapple     25      18  Medium_Fit
9  10     Cherry     30      56   Super_Fit

仅过滤零值和2列的行

1 个答案: