Python 忽略数据帧上多个筛选器中的无效筛选器 问题陈述：

我有一个数据帧，必须用多个条件进行过滤

每个条件都是可选的，这意味着如果用户为某个条件输入了无效值，则可以完全跳过该条件，默认为原始数据帧（没有该特定条件）

虽然我可以在多个if条件下很容易地实现这一点，以顺序方式修改数据帧，但我正在寻找更优雅和可伸缩的东西（增加输入参数），最好使用内置功能

可复制示例 虚拟数据帧-

df = pd.DataFrame({'One':['a','a','a','b'], 
                   'Two':['x','y','y','y'], 
                   'Three':['l','m','m','l']})

print(df)

假设无效值是不属于相应列的值。因此，对于列“One”，除了“a”和“b”之外，所有其他值都无效。如果用户输入的是'a'，那么我应该能够过滤数据帧

df[df['One']='a']

，但是，如果用户输入任何无效值，则不应应用此类过滤器，并返回原始数据帧

df

我的尝试（使用多个参数）：

使用所有有效输入-

inp = ['a','y','m']             #<- all filters valid so df is filtered before returning
print(valid_filtering(df, inp))

inp = ['a','NA','NA']           #<- only first filter is valid, so other 2 filters are ignored
print(valid_filtering(df, inp))

几乎没有无效的输入-

inp = ['a','y','m']             #<- all filters valid so df is filtered before returning
print(valid_filtering(df, inp))

inp = ['a','NA','NA']           #<- only first filter is valid, so other 2 filters are ignored
print(valid_filtering(df, inp))

---

p.S.另外一个问题-有没有办法让数据帧索引表现为-

df[df['One']=='valid'] -> returns filtered df

df[df['One']=='invalid'] -> returns original df

因为这将帮助我重写过滤-

df[(df['One']=='valid') & (df['Two']=='invalid') & (df['Three']=='valid')] -> Filtered by col One and Three

---

编辑：解决方案- 受@correlian和@Ben.T提供的代码和逻辑启发的更新解决方案

df.loc[(df.eq(inp)|~df.eq(inp).any(0)).all(1)]

---

下面是一种根据每列中inp的每个值创建布尔数据帧的方法。然后沿行使用

any

以获得至少有一个True的列，并在选择至少有一个True的列后沿列使用

all

def valid_filtering(df, inp):
    # check where inp values are same than in df
    m = (df==pd.DataFrame(data=[inp] , index=df.index, columns=df.columns))
    # select the columns with at least one True
    cols = m.columns[m.any()]
    # select the rows that all True amongst wanted columns
    rows = m[cols].all(axis=1)
    # return df with selected rows
    return df.loc[rows]

请注意，如果您没有与原始df中的列数相同的筛选器，那么您可以使用字典，它也可以工作，如下面的示例所示，列3将被忽略，因为all

False

d = {'One': 'a', 'Two': 'y'}
m = (df==pd.DataFrame(d, index=df.index).reindex(columns=df.columns))

---

关键是如果列返回all False（

~b.any

，无效筛选器），则返回True以接受此列的所有值：

mask=df.eq（inp）.apply（lambda b:np.where（~b.any（），True，b））
out=df.loc[屏蔽所有（axis=“columns”）]

案例1：

inp=['a'，'y'，'m']

（包含所有有效输入）

>>输出
一二三
1 a y m
上午2点

案例2：

inp=['a'，'NA'，'NA']

（很少有无效输入）

>>输出
一二三
0 a x l
1 a y m
上午2点

案例3：

inp=['NA'，'NA'，'NA']

（无无效输入）

>>输出
一二三
0 a x l
1 a y m
上午2点
3 b y l

案例4：

inp=['b'，'x'，'m']

（包含所有有效输入，但不包含结果）

当然，您可以增加输入参数：

def valid_filtering(df, inp):
    if inp[0] in df['One'].values:
        df = df[df['One']==inp[0]]

    if inp[1] in df['Two'].values:
        df = df[df['Two']==inp[1]]

    if inp[2] in df['Three'].values:
        df = df[df['Three']==inp[2]]
        
    return df

df[“四”]=['i'，'j'，'k'，'k']
inp=['a'，'NA'，'m'，'k']

---

列表理解的另一种方式：

def valid_filtering(df, inp):
    series = [df[column] == inp[i]
        for i, column in enumerate(df.columns) if len(df[df[column] == inp[i]].values) > 0]
    for s in series: df = df[s]
    return df

打印输出（有效过滤（df、['a'、'NA'、'NA']）

：

---

相关：

在第二种情况下，

是否为“有效”

和

是否为“无效”

实际上是那些字符串，还是仅仅是一个有效或无效的值？但是似乎你的问题可以通过把dict作为参数来解决，比如

d={'One'：'a'}

或者

d={'One'：'a'，'Two'：'y'，'Three'：'m'}

，这样你就可以更灵活地指定你需要过滤的一些或所有列，在dict上迭代，我指的是有效值和无效值，而不是基本相同的逻辑。基于字典的筛选器肯定是我可以使用的，使用

df.loc[df[filter\u v.keys（）].isin（filter\u v.values（））.all（axis=1），：]

但是，问题是，在创建过滤器字典之前，我必须收集有效值和无效值的列表。伟大的解决方案，我从你的解决方案和Ben.T的解决方案中得到灵感，提出了一个不使用apply方法的逻辑。我更新的答案中的详细信息。太糟糕了，我只能将一个答案标记为正确。非常感谢，我将您的解决方案与Corrarien的解决方案结合起来，得出了我最终使用的代码。更新我的答案，谢谢@AkshaySehgal非常棒的解决方案，我有点惊讶在完整数据帧df.eq（inp）和系列~df.eq（inp）之间执行or操作。任何（0）都是这样工作的，但我稍后会尝试记住这一点：）

>>> out
Empty DataFrame
Columns: [One, Two, Three]
Index: []

>>> out
  One Two Three Four
2   a   y     m    k

def valid_filtering(df, inp):
    series = [df[column] == inp[i]
        for i, column in enumerate(df.columns) if len(df[df[column] == inp[i]].values) > 0]
    for s in series: df = df[s]
    return df

  One Two Three
0   a   x     l
1   a   y     m
2   a   y     m