Pandas当重复分组内另一列值超阈值时删除该分组所有行

现有Pandas DataFrame，A列存在重复取值，每组重复A值对应的B列取值各不相同，需要实现：如果某组重复A值对应的B列中存在高于15的数值，则删除该A值对应的全部行。

原始数据样例 #

期望输出结果 #

核心逻辑 #

按A列分组后，仅保留所有B列取值都不超过15的分组即可。

完整代码 #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'A Column': [1, 1, 2, 2, 3, 3],
    'B Column': [10, 14, 10, 20, 5, 10]
})

# 方法1：使用groupby+filter直接筛选分组（可读性更高）
df_result = df.groupby('A Column').filter(lambda group: (group['B Column'] <= 15).all())

# 方法2：使用transform生成布尔掩码过滤（性能更高，适合大数据量场景）
mask = df.groupby('A Column')['B Column'].transform(lambda x: (x <= 15).all())
df_result = df[mask]

print(df_result)

代码说明 #

• groupby('A Column')：按A列的值对DataFrame进行分组，相同A值的行被分到同一组
• filter(lambda group: (group['B Column'] <= 15).all())：遍历每个分组，仅保留组内所有B列值都小于等于15的分组，不满足条件的分组整组删除
• transform方法是先生成和原DataFrame行数一致的布尔掩码，符合条件的行标记为True，再通过掩码过滤得到结果，数据量大时比filter方法效率更高

内容的提问来源于stack exchange，提问作者AsianBeast