Python 如何使用不同数量的关键字条件筛选数据帧

我理解使用&基于多个条件过滤数据帧行的概念，但如何根据传递到函数中的条件（**kwargs）的数量以迭代的方式编写

我正试图在一个for循环中这样做，该循环遍历一个数据帧列表（replist）。传递的关键字是字符串，这些字符串的键对应于另一个字典（kwarg_dict）。基本上，如果我通过

func(fruit='apple', veggie='kale')

我想从replist中包含的数据框构建一个数据框，其中水果列是“apple”，蔬菜列是“kale”。但是，如果我通过

func(fruit='apple', veggie='kale', dessert='cake')

我想构建一个包含所有三个参数的数据框架。用户应该能够传递任意数量的参数，因此逻辑&s的数量将有所不同

例如，如果我有两个关键字，我会使用：

sub_df = pd.concat(
         [sub_df, replist[i][
                             (replist[i][kwarg_dict[list(kwargs)[0]]] == kwargs[list(kwargs)[0]]) &
                             (replist[i][kwarg_dict[list(kwargs)[1]]] == kwargs[list(kwargs)[1]])
                              ]
          ])

sub_df = pd.concat(
         [sub_df, replist[i][
                             (replist[i][kwarg_dict[list(kwargs)[0]]] == kwargs[list(kwargs)[0]]) &
                             (replist[i][kwarg_dict[list(kwargs)[1]]] == kwargs[list(kwargs)[1]]) &
                             (replist[i][kwarg_dict[list(kwargs)[2]]] == kwargs[list(kwargs)[2]])
                              ]
          ])

但对于三个关键词，我会使用：

sub_df = pd.concat(
         [sub_df, replist[i][
                             (replist[i][kwarg_dict[list(kwargs)[0]]] == kwargs[list(kwargs)[0]]) &
                             (replist[i][kwarg_dict[list(kwargs)[1]]] == kwargs[list(kwargs)[1]])
                              ]
          ])

sub_df = pd.concat(
         [sub_df, replist[i][
                             (replist[i][kwarg_dict[list(kwargs)[0]]] == kwargs[list(kwargs)[0]]) &
                             (replist[i][kwarg_dict[list(kwargs)[1]]] == kwargs[list(kwargs)[1]]) &
                             (replist[i][kwarg_dict[list(kwargs)[2]]] == kwargs[list(kwargs)[2]])
                              ]
          ])

这正是我想要的，但显然对于传递的任何数量的关键字都不是通用的

---

很明显，我需要在范围内迭代（len（kwargs）），但我不确定如何按照上面所示的方式将迭代的输出与逻辑&语句串在一起。谢谢你的帮助

使用列表理解来概括您的示例：

f=[replist[i][kwarg_dict[var]==kwargs[var]用于列表中的var（kwargs）]
pd.concat（[子DF，回复列表[i][f]]

但是，我确实认为您最好使用并简单地传递

kwargs.keys（）

您可以这样做（虽然不是很优雅，但它确实做到了）：