通过内省行中的每个元素来筛选熊猫数据帧

您可以使用:

df.loc[df['id_original'].apply(lambda x: x.Class in allowed_class_type_list)]

请考虑下面的小型示例:

class Example:
    def __init__(self, class_):
        self.Class = class_

ex1 = Example('class1')
ex2 = Example('class2')
ex3 = Example('class3')
ex4 = Example('class4')

df = pd.DataFrame({
    'id_original':[ex1, ex2, ex2, ex1, ex4, ex3, ex3, ex4]
})

allowed_class_type_list = ['class1', 'class4']

您可以使用以下选项进行筛选:

df.loc[df['id_original']应用(lambda x:x.类在允许的_class_type_列表中)]

输出:

                   id_original
0   <__main__.Example object at 0x000000000A597390>
3   <__main__.Example object at 0x000000000A597390>
4   <__main__.Example object at 0x000000000A597B00>
7   <__main__.Example object at 0x000000000A597B00>

你为什么不试试呢 apply 获取一系列真/假并将其用作数据帧上的掩码

mask = df['id_original'].apply(lambda x: x.Class in allowed_class_list)
df.loc[mask]

同一逻辑位清洗器

mask = df['id_original'].apply(lambda x: x.Class).isin(allowed_class_list)
df.loc[mask]