如何从pandas describe()结果中提取均值Ratio符合条件的类别

原始代码 #

import pandas as pd
df = {'fish': [38,10,23,45],'eggs': [24.0,10,12,8],'fruit': [80.5,60,12,32],'sugar': [0.234,0.8,0.34,0.76],
                  'category':['Price A', 'Price B','Price B','Price A']}
df = pd.DataFrame(data=df)
xy=['fish',
   'eggs',
   'fruit',
   'sugar',
   'category']
         
df=(df[xy].groupby(['category']).describe()).T
df['Ratio'] = df['Price A']/df['Price B']
df

用户需求与尝试 #

我希望提取仅均值Ratio小于0.5或大于2对应的类别。
我尝试使用

df.reset_index()

并分别创建两个符合对应条件的DataFrame，将不需要的值设为null后移除（但我不知道如何专门筛选均值的Ratio），再合并这两个DataFrame。
或许存在更优的实现方法？

最优实现方法 #

无需拆分合并，直接利用多层索引的特性一步完成筛选：

1. 定位均值行并筛选Ratio条件 #

通过索引精准定位统计项为mean的行，再筛选Ratio满足要求的记录：

# 筛选均值行中Ratio<0.5或>2的记录
mean_filtered = df[df.index.get_level_values(1) == 'mean'][(df['Ratio'] < 0.5) | (df['Ratio'] > 2)]

2. 提取目标类别 #

从筛选结果中直接提取对应的类别：

target_categories = mean_filtered.index.get_level_values(0).tolist()

3. （可选）保留类别全量统计数据 #

如果需要保留这些类别下的所有统计项（count、mean、std等），直接按索引提取即可：

full_result_df = df.loc[target_categories]

说明 #

你的DataFrame是多层索引结构：level_0对应原始列名（fish、eggs等），level_1对应统计项（count、mean、std等）。利用index.get_level_values可以快速定位到均值行，再通过布尔索引筛选Ratio条件，全程无需拆分合并，效率更高。

内容的提问来源于stack exchange，提问作者Vui Chee Chang