Python 使用具有多个元素的字典筛选数据帧

我已经试了几个小时，想在这里找到一个答案，但在我的特殊情况下，我无法找到任何可行的答案。我能找到的最接近的是：

我有一个交易价格的pd.Dataframe，包含以下列：

df1 = database[['DealID',
         'Price',
         'Attribute A',
         'Attribute B',
         'Attribute C']]

这些属性分为以下几类：

filter_options = {
    'Attribute A': ["A1","A2","A3","A4"],
    'Attribute B': ["B1","B2","B3","B4"],
    'Attribute C': ["C1","C2","C3"],
}

我想使用每个键都有多个值的

filter\u选项的子集来过滤df1：

filter = {
    'Attribute A': ["A1","A2"],
    'Attribute B': ["B1"],
    'Attribute C': ["C1","C3"],
}

当字典中每个键只有一个值时，下面的方法可以很好地工作

df_filtered = df1.loc[(df1[list(filter)] == pd.Series(filter)).all(axis=1)]

但是，我是否能够使用每个键的多个值获得相同的结果

谢谢
 我认为您需要更改变量
过滤器
，因为python保留字，然后使用
列表理解
和布尔掩码：

df1 = pd.DataFrame({'Attribute A':["A1","A2"],
                    'Attribute B':["B1","B2"],
                    'Attribute C':["C1","C2"],
                    'Price':[140,250]})

filt = {
    'Attribute A': ["A1","A2"],
    'Attribute B': ["B1"],
    'Attribute C': ["C1","C3"],
}

print (df1[list(filt)])
  Attribute A Attribute B Attribute C
0          A1          B1          C1
1          A2          B2          C2

mask = pd.concat([df1[k].isin(v) for k, v in filt.items()], axis=1).all(axis=1)
print (mask)
0     True
1    False
dtype: bool

df_filtered = df1[mask]
print (df_filtered)
  Attribute A Attribute B Attribute C  Price
0          A1          B1          C1    140

你能添加样本数据吗？你看过这个问题/答案了吗？