如何按PP分组的四分位数筛选DataFrame符合条件的行？

你之前的代码无效是因为Q1和Q4（实际是上四分位数Q3）是分组后得到的Series，其索引是PP的取值，和原DataFrame的整数索引不匹配，无法直接逐行对应每个分组的四分位数。下面提供两种可行的解决方案：

方法一：分组后应用筛选函数 #

直接对每个PP分组定义筛选逻辑，保留符合条件的行：

import pandas as pd
import numpy.random as rnd

# 生成原始DataFrame
pp_employee_combinations = [(pp, name) for pp in range(1, 27) for name in ['Wyatt', 'Thom', 'Pete', 'Sue', 'Dave']]
df = pd.DataFrame(pp_employee_combinations, columns=['PP', 'Name'])
df['Hours per action'] = rnd.randint(10, 100, size=df.shape[0])

# 定义分组筛选函数
def filter_group_outliers(group):
    q1 = group['Hours per action'].quantile(0.25)
    q3 = group['Hours per action'].quantile(0.75)
    # 保留小于Q1或大于Q3的行
    return group[(group['Hours per action'] < q1) | (group['Hours per action'] > q3)]

# 按PP分组应用筛选，重置索引
filtered_df = df.groupby('PP').apply(filter_group_outliers).reset_index(drop=True)

方法二：用transform映射分组四分位数到每行 #

先将每个分组的Q1和Q3映射到原DataFrame的对应行，再进行筛选：

import pandas as pd
import numpy.random as rnd

# 生成原始DataFrame
pp_employee_combinations = [(pp, name) for pp in range(1, 27) for name in ['Wyatt', 'Thom', 'Pete', 'Sue', 'Dave']]
df = pd.DataFrame(pp_employee_combinations, columns=['PP', 'Name'])
df['Hours per action'] = rnd.randint(10, 100, size=df.shape[0])

# 为每行添加对应PP分组的Q1和Q3
df['group_q1'] = df.groupby('PP')['Hours per action'].transform(lambda x: x.quantile(0.25))
df['group_q3'] = df.groupby('PP')['Hours per action'].transform(lambda x: x.quantile(0.75))

# 筛选符合条件的行，移除临时列
filtered_df = df[(df['Hours per action'] < df['group_q1']) | (df['Hours per action'] > df['group_q3'])].drop(columns=['group_q1', 'group_q3'])

两种方法都能实现按分组四分位数筛选的需求，方法一更简洁，方法二可以保留中间计算的四分位数用于后续分析。

内容的提问来源于stack exchange，提问作者Britt