如何在Pandas DataFrame中保留含指定值的分组并移除无该值分组

问题场景 #

给定以下DataFrame：

import pandas as pd
d = {'value1': [1, 1, 1, 2, 3, 3, 4, 4, 4, 4], 'value2': ['A', 'B', 'C', 'C', 'A', 'B', 'B', 'A', 'A', 'B']}
df = pd.DataFrame(data=d)

原始数据：

value1  value2
0        1       A
1        1       B
2        1       C
3        2       C
4        3       A
5        3       B
6        4       B
7        4       A
8        4       A
9        4       B

需求：按value1分组，仅保留那些value2列中至少包含一个'C'的分组。

最优实现方法 #

方法一：向量式筛选（大数据集首选）

先提取所有包含'C'的value1取值，再过滤整个DataFrame，性能最优：

# 获取所有符合条件的value1值
valid_groups = df.loc[df['value2'] == 'C', 'value1'].unique()
# 过滤得到结果
result = df[df['value1'].isin(valid_groups)]

这种方法利用Pandas的向量操作，避免了逐组遍历，在数据量较大时效率远高于分组处理。

方法二：groupby + transform（直观高效）

通过transform将分组的判断结果广播到每一行，再做布尔索引：

# 标记每行所在分组是否包含'C'
has_c = df.groupby('value1')['value2'].transform(lambda x: 'C' in x.values)
# 筛选符合条件的行
result = df[has_c]

代码逻辑清晰，兼顾可读性和效率，适合中等规模数据集。

方法三：groupby + filter（代码最简洁）

直接用filter方法保留符合条件的分组：

result = df.groupby('value1').filter(lambda x: 'C' in x['value2'].values)

代码最简洁，但由于是逐组执行lambda，大数据集下性能不如前两种方法，适合小规模数据快速实现。

结果验证 #

执行上述任意方法后，得到的结果均为：

value1  value2
0        1       A
1        1       B
2        1       C
3        2       C

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