如何用Python Pandas筛选单日小时数完整的营销活动数据

给你三种直接落地的方法，把筛选结果应用到原始数据集：

方法1：提取有效组合后合并筛选 #

先修正你原代码的语法问题，提取出符合要求的id和date组合，再和原始表做内连接：

# 获取符合条件的(id, date)组合，重置索引将分组键转回列
valid_pairs = df.groupby(['id','date']).count().query("Hour > 23").reset_index()[['id','date']]
# 内连接原始数据，仅保留匹配的行
filtered_df = df.merge(valid_pairs, on=['id','date'], how='inner')

方法2：用元组集合做布尔索引 #

把有效组合转成元组集合，直接在原始数据里做筛选：

# 将符合条件的(id, date)转为元组集合
valid_set = set(df.groupby(['id','date']).count().query("Hour > 23").index)
# 筛选原始数据中(id, date)在集合内的行
filtered_df = df[df.apply(lambda row: (row['id'], row['date']) in valid_set, axis=1)]

方法3：用groupby.filter一步到位（最简洁） #

不用生成中间表，直接通过分组筛选保留符合条件的原始行：

# 直接筛选出每个(id, date)分组中数据量≥24的所有原始记录
filtered_df = df.groupby(['id','date']).filter(lambda x: x['Hour'].count() > 23)

补充提示 #

如果Hour列没有缺失值，也可以用x.shape[0] > 23替代x['Hour'].count() > 23，结果完全一致。

内容的提问来源于stack exchange，提问作者Eugenio5