阿迪达斯的

import pandas as pd
import re

def filter_param_dataframe_row_based(df_diff_cleaned):
    """
    基于「单行内部」统计进行筛选，保留满足条件的行（每行独立计算，不依赖全局数据）
    筛选条件：
    1.  该行内每个解析出的step（如ME），在当前行的出现频次≥10次
    2.  该行内每个step对应的非0元素占比＜10%（0.1）
    
    参数：
        df_diff_cleaned (pd.DataFrame)：包含'param'字段的输入DataFrame，
                                        param字段的值为列表，列表元素格式为"step#param:value"
    
    返回：
        pd.DataFrame：满足所有筛选条件的结果DataFrame，索引已重置
    """
    # --------------- 内部辅助函数：解析单个param元素 ---------------
    def parse_param_element(element):
        """解析单个param字符串，返回(step, 数值)，解析失败返回(None, None)"""
        pattern = r'^([^#]+)#[^:]+:([-+]?\d+\.\d+)$'
        match = re.match(pattern, element)
        if match:
            step = match.group(1).strip()
            value = float(match.group(2))
            return (step, value)
        else:
            return (None, None)
    
    # --------------- 步骤1：定义单行筛选逻辑（核心：单行内独立统计） ---------------
    def filter_single_row(param_list):
        """
        判断单行是否满足条件（基于该行内部数据统计）
        """
        # 步骤1.1：提取当前行的step和对应数值，构建映射关系
        row_step_info = {}  # 字典结构：key=step，value=[该step在该行的所有数值列表]
        for element in param_list:
            step, value = parse_param_element(element)
            if step is not None and value is not None:
                if step not in row_step_info:
                    row_step_info[step] = []
                row_step_info[step].append(value)
        
        # 若当前行无有效step数据，直接返回False
        if not row_step_info:
            return False
        
        # 步骤1.2：逐一验证该行的每个step是否满足两个核心条件
        for step, values in row_step_info.items():
            # 条件1：该step在当前行的出现频次≥10次（values列表长度即为该行频次）
            row_step_count = len(values)
            if row_step_count < 10:
                return False
            
            # 条件2：该step在当前行的非0元素占比＜10%（0.1）
            # 考虑浮点精度，避免微小数值（如1e-9）被误判为非0
            non_zero_count = sum(1 for v in values if abs(v) > 1e-8)
            non_zero_ratio = non_zero_count / row_step_count  # 单行内非0占比
            if non_zero_ratio >= 0.1:
                return False
        
        # 所有step均满足两个条件，返回True
        return True
    
    # --------------- 步骤2：执行单行筛选，得到结果 ---------------
    df_result = df_diff_cleaned[
        df_diff_cleaned['param'].apply(filter_single_row)
    ].reset_index(drop=True)
    
    return df_result