基于Pandas GroupBy筛选平均质量最低的星球及对应角色

步骤1：计算各星球的平均质量并找到最低值对应的星球 #

首先需要过滤掉mass无效的行（比如值为0或空值，避免拉低平均值的准确性），再按homeworld分组计算每个星球的平均质量，最后定位到平均质量最低的星球：

# 筛选mass有效数据，计算各星球平均质量
avg_mass_per_world = df[df['mass'] > 0].groupby('homeworld')['mass'].mean()
# 获取平均质量最低的星球名称
lowest_avg_mass_world = avg_mass_per_world.idxmin()

步骤2：用filter函数筛选该星球的所有角色 #

利用groupby().filter()方法，通过lambda函数判断当前分组的星球名称是否等于我们找到的目标星球，即可筛选出对应星球的所有角色：

# 筛选目标星球的全部角色数据
target_world_characters = df.groupby('homeworld').filter(lambda group: group.name == lowest_avg_mass_world)

完整代码示例 #

把两步逻辑整合，直接得到结果：

# 1. 定位平均质量最低的星球
avg_mass = df[df['mass'] > 0].groupby('homeworld')['mass'].mean()
lowest_avg_world = avg_mass.idxmin()

# 2. 筛选该星球的所有角色
target_characters = df.groupby('homeworld').filter(lambda g: g.name == lowest_avg_world)

# 输出结果
print(f"平均质量最低的星球：{lowest_avg_world}")
print("该星球的所有角色：")
print(target_characters)

原代码无效的原因 #

你之前的df.groupby(["homeworld"]).filter(lambda row: row['mass'].mean() > 0).min()存在逻辑问题：

• filter的lambda参数是整个分组，不是单行数据，用row命名容易混淆；
• 你用filter仅筛选出了平均质量大于0的星球，但后续的min()是对整个筛选后的DataFrame取各列最小值，并非定位平均质量最低的星球；
• 要找到目标星球，必须先计算各星球的平均值，再取最小值对应的星球名称，无法直接在filter内部完成min逻辑。

内容的提问来源于stack exchange，提问作者Bruno Pedemonte