如何在DataFrame中删除含不满足条件行的同组所有行？

我来帮你搞定这个需求！核心思路是先找出所有存在至少一行回答数不达标的（Segment, Question, School）分组，然后直接把这些分组的所有数据从DataFrame中移除——不管组内其他行是否满足要求，只要组里有一行不达标，整组数据都剔除。

下面分两种常见情况给出具体实现：

情况1：所有分组的要求回答数是固定值（比如要求至少5个回答） #

假设你的DataFrame名为df，包含Segment、Question、School、Answers列，我们可以用groupby.transform高效标记问题分组，再过滤：

import pandas as pd

# 1. 定义要求的最小回答数
required_n = 5

# 2. 给每一行标记它所在的分组是否存在回答数不足的情况
df['has_insufficient'] = df.groupby(['Segment', 'Question', 'School'])['Answers'].transform(
    lambda x: (x < required_n).any()
)

# 3. 过滤掉所有存在问题的分组
filtered_df = df[~df['has_insufficient']].drop('has_insufficient', axis=1)

代码解释： #

• groupby.transform会对每个分组计算是否有行满足Answers < required_n，然后把结果广播到分组内的每一行，这样每一行都能知道自己所在的组是否有问题。
• ~df['has_insufficient']取反，保留那些没有任何回答数不足的分组的所有行。

情况2：不同分组有不同的要求回答数（DataFrame含Required列） #

如果每个（Segment, Question, School）分组有自己的要求值（存在Required列），只需稍微调整逻辑，确保用当前分组的要求值判断：

import pandas as pd

# 先确保数值类型正确（如果是字符串存储的话）
df['Answers'] = pd.to_numeric(df['Answers'], errors='coerce')
df['Required'] = pd.to_numeric(df['Required'], errors='coerce')

# 标记问题分组
def check_group(group):
    # 假设同一个分组的Required值是一致的，取第一个值即可
    group_required = group['Required'].iloc[0]
    return (group['Answers'] < group_required).any()

# 给每个分组标记是否有问题，再广播到每一行
group_flags = df.groupby(['Segment', 'Question', 'School']).apply(check_group)
df['has_insufficient'] = df.set_index(['Segment', 'Question', 'School']).index.map(group_flags)

# 过滤数据
filtered_df = df[~df['has_insufficient']].drop('has_insufficient', axis=1)

注意点： #

• 如果你的Answers或Required是字符串格式，一定要先转成数值型，否则比较会出错。
• 确保同一个（Segment, Question, School）分组的Required值是统一的，如果有不一致的情况，可能需要先清理数据。

这样处理后，filtered_df就是只保留了所有行都满足回答数要求的分组数据，完全符合你的需求！

内容的提问来源于stack exchange，提问作者Capper