如何移除Pandas DataFrame中指定列唯一值计数小于阈值的行？

直接上实操方法，假设你的DataFrame叫df，要处理的列是'reason'，阈值设为5：

方法一：分步处理（清晰直观） #

1. 先统计目标列每个值的出现次数：

   reason_counts = df['reason'].value_counts()
   

2. 筛选出出现次数≥阈值的有效值：

   valid_reasons = reason_counts[reason_counts >= 5].index
   

3. 用有效值过滤原DataFrame：

   filtered_df = df[df['reason'].isin(valid_reasons)]
   

方法二：一步到位（高效简洁） #

用groupby结合transform直接计算每组的大小，省去中间变量：

filtered_df = df[df.groupby('reason')['reason'].transform('count') >= 5]

举个例子 #

假设你的原始数据是这样的：

import pandas as pd

data = {
    'reason': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'C', 'D', 'D', 'D', 'D'],
    'other_col': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
}
df = pd.DataFrame(data)

运行上述代码后，filtered_df里只会保留reason为'A'的行——因为它是唯一出现次数≥5的类别，B、C、D的次数都不够，会被自动移除。

小提示 #

• value_counts()默认返回降序排列的结果，方便你快速查看哪些类别符合要求
• transform('count')会把每组的计数对应到原DataFrame的每一行，相当于给每行标记了它所属类别的总出现次数，直接和阈值对比就行

内容的提问来源于stack exchange，提问作者demetere._