想法由|链接为bitwise OR个新概念，以按空格进行比较：

def per_sum(startdate,enddate,fund,account,analysis):
    return df[(df.Datenum > startdate) &
              (df.Datenum < enddate) &
              ((df.Fund == fund) | (fund == '')) &
              ((df.Account == account) | (account == '')) &
              ((df.Analysis == analysis) | (analysis == ''))
              ].Cost.sum()

print(per_sum(20190000,20200000,'',''))
2502.36

print(per_sum(20190000,'I2'))
2065.0

编辑：

如果还希望使用日期时间进行过滤，一种可能的解决方案是添加if-else语句以更改日期开始和结束日期时间：

def per_sum(startdate,analysis):
    startdate = -np.inf if startdate == '' else startdate
    enddate = np.inf if enddate == '' else enddate
    return df[(df.Datenum > startdate) &
              (df.Datenum < enddate) &
              ((df.Fund == fund) | (fund == '')) &
              ((df.Account == account) | (account == '')) &
              ((df.Analysis == analysis) | (analysis == ''))
              ].Cost.sum()

print(per_sum('',''))
2707.36

这可能不是很优雅，但透明且万无一失：

def per_sum_2(startdate,fund = None,account=None,analysis=None):

    df2 = df[(df.Datenum > startdate) &
              (df.Datenum < enddate) ]
    if not fund is None:
        df2 = df2[df2.Fund == fund]
    if not account is None:
        df2 = df2[df2.Account == account]
    if not analysis is None:
        df2 = df2[df2.Analysis == analysis]

    return df2.Cost.sum()

per_sum_2(20190000,analysis='I2')

2065.0

此：

per_sum(20190000,'I2') 

不起作用，因为“”不是适合该列所有案例/值的通配符。您可以使用正则表达式来匹配列值的所有值。

您可以将函数声明更改为包含各列的默认值，因此，当您要忽略它们时，在调用函数时不要给它提供参数。

def per_sum(startdate,fund='somepattern',account='otherpattern',analysis):