如何基于自定义函数索引Pandas DataFrame以提取异常值？

情况1：分组后的HOSIERY_df保留了原DataFrame的索引 #

如果你的HOSIERY_df是通过groupby('SKUGROUP').get_group('HOSIERY')得到的（未重置索引），它的索引和原DataFrame完全对应，直接用找到的异常值索引去原表取行即可：

# 假设原DataFrame名为main_df，find_outliers_IQR返回的异常值索引是outlier_indices
outlier_full_rows = main_df.loc[outlier_indices]

情况2：分组后的HOSIERY_df重置了索引 #

如果分组时用了reset_index()导致索引被重置，需要先从HOSIERY_df里提取原DataFrame的索引，再去原表取数：

1. 分组时保留原索引列（不要设置drop=True）：

HOSIERY_df = main_df.groupby('SKUGROUP').get_group('HOSIERY').reset_index(drop=False)

2. 从异常值索引对应的行中提取原表索引：

original_outlier_indices = HOSIERY_df.loc[outlier_indices, 'index']

3. 用原索引获取原DataFrame的完整行：

outlier_full_rows = main_df.loc[original_outlier_indices]

更稳妥的替代方案：直接在原表筛选分组后找异常 #

绕过分组后索引混乱的问题，先在原DataFrame里筛选出SKUGROUP为HOSIERY的子集，再找异常值，子集的索引和原表完全对应：

# 先筛选HOSIERY分组的行
hosiery_subset = main_df[main_df['SKUGROUP'] == 'HOSIERY']
# 找VOLUME列的异常值位置索引（子集的位置索引，非原表索引）
outlier_positions = find_outliers_IQR(hosiery_subset['VOLUME'])
# 通过子集iloc拿到原表索引，再提取原表完整行
outlier_full_rows = main_df.loc[hosiery_subset.iloc[outlier_positions].index]

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