Python Dataframe不返回所需的结果

21和所有列+或2013:2016+，2012-

---

解释很简单-

total

列是从

2012

到

2016

的总和列

-11 8 8 8 7   20   FALSE
 -9 8 8 8 7   22   TRUE
  8 8 8 8 7   39   TRUE
  4 4 4 4 4   20   FALSE

和

df_而不带

仅是从

2013

到

2016

的列的总和，因此总和是

31

：

print (-11 +  8  +  8  +  8  +  7)
20

及

第二个问题的答案是添加

。排序索引（轴=1，级别=1）

：

编辑：

如果有更多的口罩，我认为最好的测试方法是使用：

df2 = pd.concat([df1,df], axis=1)
        .sort_index(axis=1)
        .sort_index(axis=1, level=1) 

print (df2)
   #2012  2012  #2013  2013  #2014  2014  #2015  2015  #2016  2016  #total  \
A                                                                            
d      2    13      1     6      1     7      1     8      1     6       6   
g      2   -11      1     8      1     8      1     8      1     7       6   

   total  
A         
d     40  
g     20  

df_无_2012=df2.sort_索引（axis=1.loc[：，'2013'：'2016']
m1=df2['2012']<0
m2=df_无_2012。总和（轴=1）>**0**
m3=（无轴的df_2012>0）。全部（轴=1）
m4=df2.total>21
印刷品（m1）
印刷品（平方米）
打印（m3）
打印（m4）
遮罩=m1和m2**和m4**m3和m4
打印（遮罩）
打印（df2[遮罩]）

我知道，但不是我需要的结果。我需要的是所有列都为正的任何行，以及2013:2016为正，2012为负的任何行。对于所有这些行，我需要它们>某个值.hmm，但条件是（列2012<0或所有不带2012的列>21）和所有不带2012的列为正值。所以输出是正确的-在

g

（True或True）和True

g

-11

True

，31

True

，87

True

，所以代码不对，我知道。我需要改变什么？总计>21&所有列均为正值| 2013:2016正值和2012负值。需要第四个条件吗？对于

g

（20>21假和-11 8 7假或8 8 7真和-11真）？

print (8  +  8  +  8  +  7)
31

31 > 21
True

df2 = pd.concat([df1,df], axis=1)
        .sort_index(axis=1)
        .sort_index(axis=1, level=1) 

print (df2)
   #2012  2012  #2013  2013  #2014  2014  #2015  2015  #2016  2016  #total  \
A                                                                            
d      2    13      1     6      1     7      1     8      1     6       6   
g      2   -11      1     8      1     8      1     8      1     7       6   

   total  
A         
d     40  
g     20  

df_without_2012 = df2.sort_index(axis=1).loc[:, '2013':'2016']
m1 = df2['2012'] < 0
m2 = df_without_2012.sum(axis=1) > **0**
m3 = (df_without_2012 > 0).all(axis=1)
m4 = df2.total > 21
print (m1)
print (m2)
print (m3)
print (m4)

mask = m1 & m2 **& m4** | m3 & m4
print (mask)

print (df2[mask])