如何在python中的条件下过滤、提取或分组值列表，并与其他两列进行比较

我有一个130万行的熊猫数据框和一组列，如Phone1（电话号码）、销售日期（2015年至2020年）、产品描述（185个独特的产品描述）等等。 现在，我想过滤或提取2020年未购买任何一款产品（产品描述表中的任何一款产品）的完整电话号码列表

>>> data.info()**
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1392125 entries, 0 to 1398844
Data columns (total 25 columns):
 #   Column            Non-Null Count    Dtype         
---  ------            --------------    -----                
 0   Sale_dt            1392125 non-null  datetime64[ns]             
 1   Phone1             1392125 non-null  object               
 2   prod_desc          1392125 non-null  object        
       
dtypes: datetime64[ns](1), object(2)
memory usage: 276.1+ MB

所以，我想对那些在2020年没有买过表（prod_desc一栏中的产品之一）但在前几年可能买过任何其他产品的人进行分组、提取或过滤。那没关系

---

请帮助我解决此问题。

您是如何加载/创建此数据帧的？你可能想在电话栏上设置一个字符串数据类型。你好，尼克！我使用pd.read_csv（r“C:…..）加载数据帧。你能帮我转换电话号码部分吗？我有移动电话号码（10位）和固定电话号码（少于10位）。但有些固定电话号码有特殊字符（o44-345688）.那么，我如何才能从列中删除这些固定电话号码，然后继续移动电话号码？发布您的CSV示例？显然，这还不够完整，只足以重现问题。

Out[52]: 
0          NaN
1          NaN
2          NaN
3          NaN
4          NaN
1398840    NaN
1398841    NaN
1398842    NaN
1398843    NaN
1398844    NaN
Name: Phone1, Length: 1392125, dtype: object