如何用Pandas按filename分组，基于area统计量筛选对应fidx？

实现步骤 #

针对你的需求，我们可以通过分组计算统计量+匹配最接近的行来完成，具体代码和说明如下：

核心代码 #

假设你的DataFrame变量名为df：

import pandas as pd

def pick_representative_rows(group):
    # 计算每组需要的关键统计值（分位数用就近匹配）
    target_values = [
        group['area'].min(),
        group['area'].max(),
        group['area'].quantile(0.33, interpolation='nearest'),
        group['area'].quantile(0.66, interpolation='nearest')
    ]
    
    # 筛选每组中最接近各统计值的行
    selected = []
    for val in target_values:
        # 找绝对差最小的行索引
        closest_row_idx = (group['area'] - val).abs().idxmin()
        selected.append(group.loc[closest_row_idx])
    
    # 去重（避免极端值重复选中）并返回
    return pd.DataFrame(selected).drop_duplicates()

# 分组执行并整理结果
final_df = df.groupby('filename', group_keys=False).apply(pick_representative_rows)

关键细节说明 #

• quantile的interpolation='nearest'参数：直接取数据中最接近目标分位数的实际值，不用严格计算精确分位，符合你的需求
• 绝对差匹配：确保选中的是数据集中真实存在的行，而不是统计计算出的虚拟值
• drop_duplicates()：防止极端情况下某一行同时是最小值和最大值（比如组内所有值相同），避免结果出现重复行

内容的提问来源于stack exchange，提问作者Kenan