Pandas多列分组聚合过滤后，如何获取各组原始行？

你当前代码的问题在于df[['a', 'b']].isin(original_index_filtered)是逐元素检查是否存在于索引的任意层级，而非匹配整行的(a,b)组合，因此得到全NaN的错误结果。以下是两种正确的解决方式：

解法1：使用groupby.transform直接标记过滤（推荐） #

这种方法无需处理索引，直接在原数据上生成组内的匹配标记，代码更简洁高效：

import pandas as pd

df = pd.DataFrame(
    {
        'a': ['A', 'A', 'B', 'B', 'B', 'C'],
        'b': ['A', 'A', 'B', 'B', 'B', 'C'],
        'hole': [True, True, True, False, False, True]
    }
)

# 为每行生成对应组的hole是否全为True的标记
df['valid_group'] = df.groupby(['a', 'b'])['hole'].transform(lambda x: all(x))
# 过滤有效组的行并移除临时列
original_filtered = df[df['valid_group']].drop(columns='valid_group')
print(original_filtered)

输出结果：

a  b  hole
0  A  A  True
1  A  A  True
5  C  C  True

解法2：转换索引格式匹配整行组合 #

如果需要单独获取有效(a,b)组对，可以将多级索引转为元组列表，再匹配整行的组合：

import pandas as pd

df = pd.DataFrame(
    {
        'a': ['A', 'A', 'B', 'B', 'B', 'C'],
        'b': ['A', 'A', 'B', 'B', 'B', 'C'],
        'hole': [True, True, True, False, False, True]
    }
)

groups = df.groupby(['a', 'b'])
agg_groups = groups.agg({'hole': lambda x: all(x)})
# 将有效组的多级索引转为元组列表
valid_pairs = list(agg_groups[agg_groups['hole']].index)
# 把每行的a、b转为元组，检查是否在有效列表中
original_filtered = df[df[['a', 'b']].apply(tuple, axis=1).isin(valid_pairs)]
print(original_filtered)

输出结果与解法1一致。

内容的提问来源于stack exchange，提问作者Gulzar