本文介绍一种简洁、高效且可扩展的方法，利用布尔条件组合与 groupby().any().all() 模式，精准识别满足多个子字符串匹配条件的分组（如员工是否完成指定培训），避免低效的 apply + lambda 循环。
本文介绍一种简洁、高效且可扩展的方法，利用布尔条件组合与 `groupby().any().all()` 模式，精准识别满足多个子字符串匹配条件的分组（如员工是否完成指定培训），避免低效的 `apply` + `lambda` 循环。
在数据分析中，常需基于文本特征对分组数据进行逻辑筛选——例如判断某员工是否“完成入职培训”，其判定规则并非简单存在某课程，而是需同时满足多个文本条件（如必须包含 "onboarding part 1" 且至少含一个 "corporate compliance" 相关课程）。此时，直接对 groupby 结果使用 apply + 字符串方法虽可行，但存在性能瓶颈和可读性问题。
更“Pandasic”（符合 pandas 设计哲学）的做法是：将每个条件转化为布尔 Series，再通过结构化聚合完成逻辑判断。核心思路分三步：
- 独立构建条件布尔列：对原始 DataFrame 的目标列（如 'CompletedCourseName '）分别应用 str.contains()，生成多个布尔 Series；
- 按分组键对齐并聚合：用 pd.concat(..., axis=1) 合并条件列，再以 groupby(分组键).any() 判断每组内各条件是否至少出现一次；
- 跨条件逻辑组合：对聚合后的布尔 DataFrame 使用 .all(axis=1)，实现“所有条件均满足”的最终筛选。
以下为完整示例代码（已修正原始数据中的列名空格问题，并增强鲁棒性）：
import pandas as pd
# 原始数据（修正列名：去除 'CompletedCourseName ' 末尾空格）
data = [
{"EmployeeID": 1, "CompletedCourseName": "onboarding part 1"},
{"EmployeeID": 1, "CompletedCourseName": "onboarding part 2"},
{"EmployeeID": 1, "CompletedCourseName": "corporate compliance training A"},
{"EmployeeID": 2, "CompletedCourseName": "corporate compliance training B"},
{"EmployeeID": 2, "CompletedCourseName": "Random other Training"}
]
df = pd.DataFrame(data)
# 步骤1：定义条件（case=False 实现大小写不敏感匹配）
c1 = df['CompletedCourseName'].str.contains('onboarding part 1', case=False, na=False)
c2 = df['CompletedCourseName'].str.contains('corporate compliance', case=False, na=False) # 更通用：匹配任意合规培训
# 步骤2：合并条件并按 EmployeeID 分组聚合
conditions_df = pd.concat([c1, c2], axis=1, keys=['has_onboarding', 'has_compliance'])
grouped_any = conditions_df.groupby(df['EmployeeID']).any()
# 步骤3：检查每组是否同时满足所有条件
completed_onboarding = grouped_any.all(axis=1)
print("员工是否完成入职培训（需同时满足两项）：")
print(completed_onboarding)
输出：
员工是否完成入职培训（需同时满足两项）： EmployeeID 1 True 2 False dtype: bool
✅ 优势说明：
- 高效：全程向量化操作，避免 Python 层循环；
- 可扩展：新增条件只需追加一个 str.contains() 表达式并加入 concat；
- 清晰：中间结果（如 grouped_any）可直接查看，便于调试与验证；
- 健壮：显式设置 na=False 防止空值引发 NaN 传播。
⚠️ 注意事项：
- 确保用于 groupby 的列（如 'EmployeeID'）与条件列索引对齐（默认一致）；
- 若原始列含缺失值，务必在 str.contains() 中指定 na=False，否则 NaN 会导致该行条件返回 NaN，进而使 any()/all() 结果不可靠；
- 子字符串匹配建议使用正则或更精确模式（如 r'^onboarding.*part\s+1$'）提升准确性，避免误匹配（如 "non-onboarding"）。
此方法不仅适用于培训场景，还可泛化至客户行为分析（如“购买过A产品且浏览过B类页面”）、日志审计（如“触发错误码X且调用接口Y”）等多条件文本分组筛选任务。
