pandas如何筛选DataFrame中指定司机对应的所有驾驶行为计数数据

你看到的同一司机后续行CHAUFFEUR字段为空，只是pandas对多级索引结果的默认打印折叠效果，并非数据本身真的存在空值，筛选时不需要手动补全这些显示层面的空内容，按以下两种方案实现即可：

方案1：保留多级索引直接查询 #

适合后续还需要做多维度分组计算的场景，直接用.loc按第一级索引（司机维度）切片取值即可：

# 存储你原代码生成的分组统计结果
stats_df = pd.DataFrame(df.groupby(['CHAUFFEUR','comportement de conduit'])['comportement de conduit'].count())

# 筛选指定司机的全部驾驶行为及对应计数
target_driver = "ABBOU ABD EL KADER"
driver_result = stats_df.loc[target_driver]

返回结果的索引为该司机关联的所有驾驶行为类型，值为对应计数。

方案2：转换为普通扁平表查询（推荐） #

多级索引的折叠显示容易造成误解，可以直接把分组结果重置为普通列结构，后续筛选、导出都和常规DataFrame操作逻辑一致，更易维护：

# 更简洁高效的统计写法：用size直接统计每组行数，结果和原代码count逻辑一致，重置索引后无折叠显示问题
stats_df = df.groupby(['CHAUFFEUR', 'comportement de conduit']).size().reset_index(name='计数')

# 按司机名筛选，逻辑和普通表条件筛选完全一致
target_driver = "ABBOU ABD EL KADER"
driver_result = stats_df[stats_df['CHAUFFEUR'] == target_driver]

返回结果包含司机名、驾驶行为类型、对应计数三列，无显示空值问题。

提示：如果需要批量遍历所有司机的统计结果，直接对多级索引结果按第一级循环即可，不需要单独写筛选逻辑：

for driver_name, driver_data in stats_df.groupby(level=0):
    # driver_name为当前司机名，driver_data对应该司机的所有驾驶行为统计数据
    print(driver_name, driver_data)

内容的提问来源于stack exchange，提问作者miss-chl