如何在Python中不新增列，基于groupby条件筛选DataFrame子集

数据结构 #

原始DataFrame结构如下：

date|point|agent
2023-10-02|A|agent1 
2023-10-02|A|agent2 
2023-10-05|B|agent3 
2023-10-05|B|agent2 
2023-10-02|C|agent1 
2023-10-02|C|agent2 
2023-10-02|C|agent3 

需求 #

筛选出每个(date, point)组内唯一agent数量超过2的所有行，要求无需新增冗余列。

可行解决方案 #

方法1：使用groupby().filter() #

这是最直接高效的方式，直接对分组进行过滤，无需额外列：

filtered_df = df.groupby(['date', 'point']).filter(lambda x: x['agent'].nunique() > 2)

filter方法会保留所有满足条件的分组中的行，完全匹配需求。

方法2：transform结合布尔索引（不存储中间列） #

如果偏好更直观的布尔索引方式，可以直接用transform生成临时布尔序列进行筛选，不会在原DataFrame中新增冗余列：

mask = df.groupby(['date', 'point'])['agent'].transform('nunique') > 2
filtered_df = df[mask]

内容的提问来源于stack exchange，提问作者GeoBeez