pandas对groupby对象调用filter按列值过滤报TypeError的解决

你遇到的报错本质是混淆了两类filter方法的适用场景，还搞错了代码执行后的对象类型：

• 执行df.groupby(...).aggregate('sum')后，返回的不是可调用filter(lambda)的GroupBy分组对象，而是完成聚合计算的普通DataFrame。
• 普通DataFrame的filter方法是用来按标签名称筛选行/列的，入参仅支持列名列表、模糊匹配的类名/正则规则，不接受lambda函数作为位置参数。你传入的lambda被默认映射到了items参数，pandas尝试把这个函数对象当成可迭代的列名列表遍历，最终抛出TypeError: 'function' object is not iterable。
• 退一步说，就算你在未聚合的GroupBy对象上调用filter，你的lambda逻辑也不满足要求：GroupBy.filter的入参是当前分组对应的子DataFrame块，必须返回布尔值判断整个分组是否保留，不能直接用列名比较得到布尔序列。

方案1：最直接的原始行筛选（符合你预期结果的最优解） #

你要的是location值为loc2的所有原始数据行，根本不需要走分组、聚合流程，直接对原始DataFrame做布尔索引即可：

# 直接按列值筛选，一步得到带原始text、日期、来源的结果
result = df[df['location'] == 'loc2']

方案2：需要走分组流程时的正确filter写法 #

如果你的业务逻辑确实需要先做分组、再保留满足条件的分组对应的所有原始行，需要在未执行聚合的GroupBy对象上调用filter，不能在聚合后的普通DataFrame上调：

# 第一步：仅生成分组对象，不提前执行聚合
grouped_obj = df.groupby(['category', 'source_num', 'source', 'location'])

# 第二步：在GroupBy对象上调用filter，lambda返回布尔值判断分组是否保留
# 因为location是分组键，每个分组内的location值固定，取首个值判断即可
result = grouped_obj.filter(lambda x: x['location'].iloc[0] == 'loc2')

• 你提供的报错代码里，分组列名写的是'category '，字符串前后带有多余空格，和原始DataFrame的category列名不匹配，后续执行分组操作时会触发列不存在的报错，需要把列名前后的多余空格清理掉。
• 你之前的执行顺序逻辑颠倒：.aggregate('sum')会把文本、日期类型的列从结果中剔除，根本无法回到你期望的带原始文本、日期的表结构，想筛原始行的动作必须放在聚合操作之前。

内容的提问来源于stack exchange，提问作者DevLeb2022