Python数据处理疑问：分组与筛选顺序调换为何报错？

为什么调换顺序会报错？ #

你写的data.groupby("source")[data.country=="country_2"]里，groupby("source")之后的方括号[]是用来选择列的，而data.country=="country_2"返回的是一个由True/False组成的布尔Series。pandas会把这些布尔值当成列名去查找，但你的数据集里根本没有叫False或True的列，所以直接抛出KeyError。

反观正确写法data[data.country=="country_2"].groupby("source").count()，是先通过布尔索引筛选出所有country等于country_2的行，再对筛选后的结果按source分组统计，逻辑完全通顺。

如果一定要先分组再筛选，该怎么写？ #

如果想先按source分组，再在每个组里筛选country=="country_2"的行，可以用groupby后的apply方法：

data.groupby("source").apply(lambda group: group[group.country == "country_2"]).count()

或者用filter方法（保留所有包含符合条件行的组的全部数据再统计）：

data.groupby("source").filter(lambda group: (group.country == "country_2").any()).count()

注意这两种写法和你最初的正确写法逻辑略有不同，按需选择即可。

内容的提问来源于stack exchange，提问作者butBlue