如何不存储为中间变量直接过滤pandas groupby聚合输出结果

可行的链式调用实现方案 #

你之前的代码报错是因为两个语法问题：

1. 中括号里写'Y'.isna()是对字符串'Y'本身判断空值，不是引用Y列
2. query语句里给Y加了单引号，会被识别为字符串而非列名

方法1：用loc+匿名函数过滤（推荐，性能更好）

直接在loc中传入匿名函数引用中间聚合结果，无需额外定义变量存储：

# 结果索引为符合条件的col1值，列N为对应N的计数
data.groupby('col1')['col2'].value_counts().unstack(level=1).loc[lambda df: df['Y'].isna(), ['N']]

# 如果需要把col1转为普通列，加reset_index即可
data.groupby('col1')['col2'].value_counts().unstack(level=1).loc[lambda df: df['Y'].isna(), ['N']].reset_index()

方法2：修正query语法实现过滤

去掉query语句中Y的引号即可生效：

data.groupby('col1')['col2'].value_counts().unstack(level=1).query("Y.isna()")[['N']].reset_index()

更轻量化的替代写法（无需unstack）

也可以直接在分组阶段判断该ID所有记录是否全为N，再统计计数：

data.groupby('col1').filter(lambda g: (g['col2'] == 'N').all()).groupby('col1').size().reset_index(name='N')

内容的提问来源于stack exchange，提问作者Veki