如何按组筛选cum_sum小于组内最大值80%的Pandas DataFrame子集？

咱们先聊聊你之前代码里的问题哈：你写的grouped.filter(lambda x: x[x.cum_sum] <= x[x.cum_sum.max()])有几个小误区：

• 访问DataFrame的列得用x['cum_sum']，x[x.cum_sum]会把cum_sum的数值当成列名来索引，这肯定不对
• 需求是小于组内最大值的80%，你没乘以0.8，反而和最大值本身比了，不符合要求
• x[x.cum_sum.max()]也是错误的写法，获取组内最大值应该用x['cum_sum'].max()

下面给你两种简单可行的正确写法，都能实现你的需求：

方法一：用transform广播组内阈值，直接筛选 #

这种方法会给每条记录匹配它所在组的最大值80%，然后直接做条件过滤，逻辑很直观：

import pandas as pd

# 你的原始数据
d = {'group': ['a', 'b', 'c', 'b', 'b', 'c', 'a', 'b', 'a'], 'cum_sum': [1, 4, 3, 9, 15, 6, 3, 17, 4]}
df = pd.DataFrame(data=d)

# 计算每个group的cum_sum最大值的80%，并把这个值对应到组内每一行
group_max_80 = df.groupby('group')['cum_sum'].transform(lambda x: x.max() * 0.8)

# 筛选出cum_sum小于该阈值的记录
result = df[df['cum_sum'] < group_max_80]

print(result)

运行结果：

group  cum_sum
0     a        1
1     b        4
2     c        3
3     b        9
5     c        6
6     a        3

（解释下：比如group a的最大值是4，80%是3.2，所以a组里只有1、3符合小于3.2的要求；group b最大值17，80%是13.6，所以4、9符合，15和17都超过了；group c最大值6，80%是4.8，只有3符合）

方法二：用groupby.filter直接过滤行 #

如果你想用filter方法，只要修正lambda里的逻辑就行——lambda接收每个分组的DataFrame，返回该分组中符合条件的行的布尔序列：

result = df.groupby('group').filter(lambda x: x['cum_sum'] < x['cum_sum'].max() * 0.8)

这个写法和方法一的结果完全一致，适合喜欢用groupby链式操作的场景。

内容的提问来源于stack exchange，提问作者milka1117