如何基于value_counts结果筛选数据完整的国家数据集子集？

你原来的代码报错是因为df["Area"].value_counts()返回的是一个以国家名称为索引的Series，直接用它的布尔结果去索引原DataFrame（原DataFrame的索引是行号），两者索引不匹配，导致KeyError。

正确实现分两种方式：

方法一：先获取符合条件的国家列表，再筛选 #

1. 计算每个国家的数据行数，提取出行数等于240的国家：

# 获取数据行数为240的国家列表
valid_countries = df["Area"].value_counts()[df["Area"].value_counts() == 240].index.tolist()

2. 筛选原DataFrame中属于这些国家的记录：

df_240 = df[df["Area"].isin(valid_countries)]

方法二：用groupby+transform直接筛选 #

这种方式更简洁，无需单独提取国家列表：

df_240 = df[df.groupby("Area")["Area"].transform("size") == 240]

transform("size")会给每一行返回其所在国家的总数据行数，再和240比较得到布尔索引，直接筛选即可。

注意：如果你的“数据完整”是指每个国家每年都有240行（60年总共有60*240=14400行），那需要把判断条件改成== 14400，上面的代码逻辑不变，只需要修改数值。

内容的提问来源于stack exchange，提问作者Niamh