如何筛选Pandas DataFrame groupby聚合后满足数值阈值的分组

直接对分组聚合得到的序列做布尔索引筛选，就能保留符合聚合值阈值的分组，不需要额外复杂逻辑。

复现示例场景 #

首先构造测试数据：

import pandas as pd

df = pd.DataFrame({
    'Name': ['Fred', 'Harry', 'Sonia', 'Pete', 'Tracy'],
    'Thing': ['Apple', 'Banana', 'Banana', 'Apple', 'Apple'],
    'Count': [1, 1, 1, 1, 1]
})

执行原有聚合逻辑：

agg_res = df.groupby(["Thing"])['Count'].sum()

得到的聚合输出为：

Thing
Apple     3
Banana    2
Name: Count, dtype: int64

注：原写法df.groupby(["Thing"]).sum()['Count']可以优化为上面的写法，分组时直接指定要聚合的Count列，避免无意义的全数值列聚合，运行效率更高。

实现聚合结果筛选 #

直接给聚合结果传入布尔判断条件做索引，就能保留聚合值大于指定阈值的分组，要保留Count总和大于2的分组，代码如下：

filtered_agg = agg_res[agg_res > 2]

执行后输出的结果为：

Thing
Apple    3
Name: Count, dtype: int64

扩展：如果需要保留原表中符合阈值的所有原始行 #

如果不是要聚合后的统计结果，而是要筛选原DataFrame里「所属分组聚合值满足阈值」的所有原始行，可以用groupby.filter方法：

# 筛选原表中，所属Thing分组的Count总和大于2的所有行
filtered_raw_df = df.groupby("Thing").filter(lambda group: group['Count'].sum() > 2)

执行后输出原表中所有Apple对应的行：

Name  Thing  Count
0   Fred  Apple      1
3   Pete  Apple      1
4  Tracy  Apple      1

内容的提问来源于stack exchange，提问作者Steve