如何实现Pandas中类似idxmin的均值筛选功能？

方法1：用transform广播组内均值，再筛选 #

这是最直接的实现方式，先给每一行添加上对应unique id组的x列均值，再筛选x等于该均值的行：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'unique id': [1,1,1,2,2,2],
    'x': [1,2,3,1,2,3],
    'y': [2,3,4,2,3,4]
})

# 计算每个组的x均值，广播到每行
df['x_group_mean'] = df.groupby('unique id')['x'].transform('mean')
# 筛选x等于组均值的行，删除辅助列
filtered_df = df[df['x'] == df['x_group_mean']].drop('x_group_mean', axis=1)
print(filtered_df)

输出结果：

unique id  x  y
1          1  2  3
4          2  2  3

方法2：修正你的merge写法 #

你之前的merge操作出错，是因为没把均值序列转成带明确列名的DataFrame，匹配逻辑也有误。正确步骤如下：

# 计算组均值，转成带列名的DataFrame
mean_data = df.groupby('unique id')['x'].mean().reset_index(name='x_mean')
# 合并原数据和均值数据
merged = df.merge(mean_data, on='unique id')
# 筛选x等于均值的行，删除辅助列
filtered_df = merged[merged['x'] == merged['x_mean']].drop('x_mean', axis=1)

补充说明：为什么没有idxmean？ #

Pandas没有提供idxmean函数，核心原因是均值不一定是原数据中存在的数值（比如某组x为[1,3]，均值是2，但原数据里没有这个值），只有当均值恰好出现在原数据的列中时，上面的方法才能筛选到对应行。

内容的提问来源于stack exchange，提问作者Razrer