基于另一groupby DataFrame筛选分组后DataFrame的非进站圈数据

你提到有两个包含driverId和lap列的DataFrame（AUS_2016和df_pitLaps），想要从AUS_2016中移除每个车手对应的进站圈，但用自定义函数时遇到了DeprecationWarning，而且得到的结果不符合预期——这其实是因为你原来的groupby+lambda元素比较逻辑没处理好，导致配对错误触发了警告。

我给你提供一个更简洁高效的方案，不需要依赖groupby，直接通过DataFrame合并来实现需求：

最终解决方案代码 #

def no_pitlaps(df, df_pitLaps):
    """Returns a dataframe that excludes the pit laps of each driver"""
    # 左连接主DataFrame和进站圈数据，匹配driverId和lap列
    data_pitlaps_mapped = pd.merge(
        df, 
        df_pitLaps[['driverId', 'stop', 'lap']], 
        how='left', 
        left_on=['driverId','lap'], 
        right_on=['driverId','lap']
    )
    # 排除掉有进站记录（stop列非空）的行
    return data_pitlaps_mapped.loc[~data_pitlaps_mapped.index.isin(
        data_pitlaps_mapped.dropna(subset=['stop']).index
    )]

代码逻辑解释 #

1. 合并数据：用pd.merge做左连接，把df_pitLaps中每个车手的进站圈信息（driverId、lap、stop）关联到主DataFramedf里。这样所有进站圈对应的行都会填充stop值，非进站圈的行stop列会是NaN。
2. 过滤进站圈：通过dropna(subset=['stop'])找到所有进站圈的行，然后用~取反，排除这些行的索引，剩下的就是不含进站圈的DataFrame。

为什么原来的代码会报错？ #

你原来的clean_laps_no_pitlaps函数里，itertools.izip(x, data)的配对逻辑是错误的——groupby后的x和data并不是按车手对应的进站圈和圈数一一配对的，导致元素级别的!=比较失败，触发了DeprecationWarning，而且最终得到的全是True值的结果也无法用于筛选。

调用这个新函数的方式很简单：

filtered_df = no_pitlaps(AUS_2016, df_pitLaps)

内容的提问来源于stack exchange，提问作者doyz