python - 过滤 2 列仅包含零值的行

Question

示例 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

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

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

问题陈述:

我想按名称和价格进行分组，然后使用基于金额进行过滤>Fit_Test 作为条件列。

1. 如果 Fit_Test 是 Super_Fit 则不需要进行任何操作。 (第 1、2、3 和 10 行在输入和预期 DF 中相同)

2. 如果在名称和价格条件内，并且Fit_Test不是Super_Fit，请检查它是否有金额 as 0 然后且仅删除该行(ID 4,5,6,7 以及预期的 5 和 7 被删除)

   <

3. 如果在名称和价格条件内，并且Fit_Test不是Super_Fit，并且契约(Contract)金额的值大于零，则不要删除任何行(第8行和第9行在输入和预期DF中相同)

4. 如果在名称和价格条件下，且Fit_Test不是Super_Fit，且契约(Contract)金额的所有值均为零，则< strong>不要删除任何行(第 11 行和第 12 行在输入和预期 DF 中相同)

我可以解决它删除所有零但对条件列没有帮助的解决方案

Answer 1

您可以链接 2 个条件 - 比较 Fit_Test 并按 GroupBy.transform 检查每组是否所有 True。和 GroupBy.all第二次比较不等于:

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