首先，这篇文章的标题可能不公平地回答了这个问题，所以我对此表示谦虚的歉意.
这里有一个问题:
| Date | Type | Value |
|---|---|---|
| 2024-03-11 | 3 | 3 |
| 2024-3-11 | 4 | 5 |
| 2024-03-12 | 3 | 3 |
| 2024-3-12 | 4 | 5 |
| 2024-3-12 | 5 | 5 |
| 2024-03-13 | 3 | 3 |
| 2024-3-13 | 4 | 5 |
| 2024-3-13 | 5 | 2 |
| 2024-3-14 | 5 | 5 |
类型=[3，4，5]
在Pandas中，有没有一种简单的方法可以从上面的df创建一个新的df，其中只有当日期包含列表中所有元素的值时才会出现数据？ 这意味着reuslant df应该只包含日期12、13的数据，因为原始df具有Type数组中的元素的值？ 谢谢
使用set，用groupby.agg+issubset聚合，用isin+boolean indexing过滤:
Type = {3,4,5}
df['Date'] = pd.to_datetime(df['Date'])
keep = df.groupby('Date')['Type'].agg(Type.issubset)
out = df[df['Date'].isin(keep.index[keep])]
Type = {3,4,5}
df['Date'] = pd.to_datetime(df['Date'])
out = df[df.groupby('Date')['Type'].transform(Type.issubset)]
输出:
Date Type Value
2 2024-03-12 3 3
3 2024-03-12 4 5
4 2024-03-12 5 5
5 2024-03-13 3 3
6 2024-03-13 4 5
7 2024-03-13 5 2
中间体:
# keep
Date
2024-03-11 False
2024-03-12 True
2024-03-13 True
2024-03-14 False
Name: Type, dtype: bool
# df['Date'].isin(keep.index[keep])
# or
# df.groupby('Date')['Type'].transform(Type.issubset)
0 False
1 False
2 True
3 True
4 True
5 True
6 True
7 True
8 False
Name: Type, dtype: bool