如何从Seaborn tips数据集分组结果中仅筛选Dinner类别？

方法1：先筛选再聚合（最直接） #

先过滤出time为Dinner的记录，再对total_bill执行统计操作——因为已经是单一类别，无需分组：

import seaborn as sns

df = sns.load_dataset("tips")
# 筛选Dinner数据
dinner_data = df[df["time"] == "Dinner"]
# 计算指定统计量
dinner_stats = dinner_data["total_bill"].agg(["sum", "min", "max", "mean"])
print(dinner_stats)

方法2：分组后提取目标组 #

先按time完成分组聚合，再通过索引直接提取Dinner对应的结果：

import seaborn as sns

df = sns.load_dataset("tips")
# 按time分组计算统计量
grouped_result = df.groupby(["time"]).agg({"total_bill": ["sum", "min", "max", "mean"]})
# 提取Dinner的统计数据
dinner_stats = grouped_result.loc["Dinner"]
print(dinner_stats)

方法3：基于布尔分组提取结果 #

针对你之前尝试的布尔分组方式，只需提取True对应的行即可（True对应time=="Dinner"的记录）：

import seaborn as sns

df = sns.load_dataset("tips")
# 按布尔条件分组后提取True组
dinner_stats = df.groupby(df["time"] == "Dinner").agg({"total_bill": ["sum", "min", "max", "mean"]}).loc[True]
print(dinner_stats)

为什么之前的代码会出现True/False索引？ #

df["time"] == "Dinner"生成的是布尔类型的Series，groupby会将True和False作为两个独立的分组键，因此结果会包含这两个索引。只要提取True对应的行，就是你需要的Dinner统计数据。

内容的提问来源于stack exchange，提问作者optiko