Pandas分组统计后基于计数结果过滤数据及年份均值计算问题

首先，你遇到的问题核心是分组统计后的结果和原数据的结构不匹配，直接用原DataFrame去索引分组后的Series会因为长度不一致报错。咱们一步步来解决：

1. 正确过滤分组后的计数结果 #

你之前的分组统计代码是对的，但过滤要直接在分组后的结果上操作，而不是原数据：

# 先完成分组统计，得到每个年份的Rating计数
year_rating_counts = data.groupby('Year')['Rating'].count()

# 过滤出计数大于50的记录
filtered_counts = year_rating_counts[year_rating_counts > 50]

这样filtered_counts就是你要的结果，比如会保留2017、2018、2019、2020这些计数超50的年份。

2. 计算过滤后年份的Rating均值 #

如果你需要计算这些合格年份的Rating均值，有两种高效的方式：

方式一：先过滤原数据，再分组求均值 #

先提取过滤后的年份列表，再从原数据中筛选出这些年份的记录，最后分组计算均值：

# 获取过滤后的年份
valid_years = filtered_counts.index.tolist()

# 筛选原数据中属于这些年份的记录，再分组求均值
year_rating_means = data[data['Year'].isin(valid_years)].groupby('Year')['Rating'].mean()

方式二：一次分组同时计算计数和均值，再过滤 #

这种方式更高效，只需要一次分组操作，同时得到计数和均值，再按需过滤：

# 分组后同时计算计数和均值
year_stats = data.groupby('Year')['Rating'].agg(count='count', mean_rating='mean')

# 过滤出计数大于50的统计结果，同时保留均值
filtered_stats = year_stats[year_stats['count'] > 50]

这样filtered_stats会是一个包含count和mean_rating两列的DataFrame，你可以直接查看或使用这些数据。

为什么你之前的写法失败？ #

你尝试的data[data.groupby(['Year'])['Rating'].count()<10]之所以不行，是因为groupby('Year')['Rating'].count()返回的是一个以Year为索引的Series，长度等于不同年份的数量；而原DataFramedata的长度是总行数，两者长度不匹配，布尔索引无法对应，所以会报错。

内容的提问来源于stack exchange，提问作者kağan hazal koçdemir