分组求均值后用布尔索引触发IndexingError，原因何在？

我对DataFrame per_school_summary按"School Type"分组并计算均值时，运行以下代码触发了报错：

IndexingError: Unalignable boolean Series provided as indexer (index of the boolean Series and of the indexed object do not match).

对应的代码：

type_passing_math = per_school_summary.groupby(["School Type"]).mean()[
    per_school_summary["Average Math Score"] >= 70
]

让我困惑的是，之前用类似语法筛选单条件的操作完全正常，比如筛选数学分数≥70的学校：

school_passing_math = school_data_complete[school_data_complete["math_score"] >= 70]

我尝试了几种修改写法，都没解决问题：

• 尝试对列单独分组后比较，触发类型错误：

  type_passing_math = per_school_summary.groupby(["School Type"]).mean()[
      per_school_summary["Average Math Score"].groupby(["School Type"]) >= 70
  ]
  

  报错信息：

  TypeError: '>=' not supported between instances of 'SeriesGroupBy' and 'int'
  

• 改用.loc索引，还是触发相同的IndexingError：

  type_passing_math = per_school_summary.groupby(["School Type"]).mean().loc[
      per_school_summary["Average Math Score"] >= 70
  ]
  

问题原因 #

分组计算均值后，新生成的DataFrame索引已经变成"School Type"的唯一值（比如不同的学校类型），而你用来筛选的布尔序列是基于原per_school_summary的行索引，两者的索引结构、长度完全不匹配，导致无法对齐筛选。

正确解法 #

先完成分组求均值的操作，得到汇总后的DataFrame，再针对汇总表里的"Average Math Score"列做筛选：

# 先得到分组均值汇总表
grouped_mean = per_school_summary.groupby(["School Type"]).mean()
# 对汇总表的目标列筛选
type_passing_math = grouped_mean[grouped_mean["Average Math Score"] >= 70]

也可以合并成一行代码，用query方法更简洁（列名含空格时需要用反引号包裹）：

type_passing_math = per_school_summary.groupby(["School Type"]).mean().query("`Average Math Score` >= 70")

内容的提问来源于stack exchange，提问作者then999