如何按城市分组调用自定义函数删除DataFrame中销售数据的离群值

最优实现基于Pandas的groupby+向量化操作完成，不需要循环遍历城市，性能远高于逐组循环的实现，同时可以避免原有isin逻辑的误判问题。

步骤1：调整离群值检测逻辑（可选但更高效） #

直接返回单组内每个值是否为离群值的布尔掩码，避免返回列表再匹配的开销：

import numpy as np
import pandas as pd

def is_discrete_outlier(data, threshold=3):
    mean = np.mean(data)
    std = np.std(data)
    z_score = (data - mean) / std
    return np.abs(z_score) > threshold

步骤2：按城市分组计算离群值并过滤 #

# 按城市分组，对每个城市的销售额单独计算离群值掩码
outlier_mask = df.groupby('City')['Sales'].transform(is_discrete_outlier)
# 剔除离群值，保留正常数据
df = df[~outlier_mask]

注意：请将代码中的列名替换为你实际DataFrame的列名，保持大小写一致。

如果你不想修改原有检测函数 #

也可以用groupby.apply适配原有逻辑，不过性能略低于上面的方案：

df = df.groupby('City').apply(
    lambda group: group[~group['Sales'].isin(detect_discrete_outliers(group['Sales']))]
).reset_index(drop=True)

方案优势 #

• 完全基于Pandas向量化操作，数据量越大性能优势越明显
• 自动适配所有城市，新增城市无需修改代码
• 避免了不同城市出现相同销售额时，isin逻辑误删其他城市正常数据的问题

内容的提问来源于stack exchange，提问作者Pratibha UR