Pandas 如何对每个分组下的内层子组执行过滤筛选
原有筛选逻辑的核心漏洞
你写的分组过滤逻辑,是在单个歌手的全量记录维度做两个独立的集合包含判断:
- 歌手的演唱记录里是否同时覆盖
Do和Re两个音符 - 歌手的演唱记录里是否同时覆盖
Major和minor两个调式
这套逻辑完全没有建立音符和调式的绑定关系校验,哪怕两个集合各自满足要求,只要没有做到「每个指定音符都对应全部要求的调式」,就会出现误判。这也是Bob被错误保留的原因:他的记录里虽然凑齐了两个音符、两种调式,但Re音符只有minor调式的记录,根本不满足筛选规则。
正确的实现逻辑
校验维度需要下沉到「歌手-音符」的交叉层级,不再用歌手全局的集合做判断:
- 先在每个歌手的分组内部,按音符拆成独立子组
- 逐一校验每个指定的目标音符(Do、Re),是否在自己的子组范围内,完全覆盖
Major和minor两种调式 - 所有目标音符都满足要求的歌手,才完整保留对应的全部原始记录
代码实现
可读性优先的函数式写法
# 定义筛选规则常量 TARGET_NOTES = {'Do', 'Re'} TARGET_KEYS = {'Major', 'minor'} def validate_artist(artist_data): # 拆分歌手内部的音符子组 note_subgroups = artist_data.groupby('note') for note in TARGET_NOTES: # 歌手根本没有唱这个音符,直接不通过 if note not in note_subgroups.groups: return False # 取这个音符对应的所有调式,检查是否覆盖全部要求调式 note_covered_keys = set(note_subgroups.get_group(note)['key']) if not TARGET_KEYS.issubset(note_covered_keys): return False return True # 执行分组过滤 filtered_result = df.groupby('artist').filter(validate_artist)
更简洁的交叉表写法
# 生成「歌手-音符」维度的调式覆盖计数表 cover_table = pd.crosstab([df['artist'], df['note']], df['key']) # 筛选出同时满足两个调式要求的目标音符行 valid_rows = cover_table.loc[ cover_table.index.get_level_values('note').isin(TARGET_NOTES) & (cover_table[list(TARGET_KEYS)] >= 1).all(axis=1) ] # 提取符合全量规则的歌手列表 valid_artists = valid_rows.index.get_level_values('artist').unique() # 从原始数据中提取这些歌手的全部记录 filtered_result = df[df['artist'].isin(valid_artists)]
输出校验
两段代码跑出来的结果完全一致,仅保留Alice的全部记录,和期望输出完全匹配:
artist note key 0 Alice Do Major 1 Alice Do minor 2 Alice Re Major 3 Alice Re minor 4 Alice Mi Major
内容的提问来源于stack exchange,提问作者cproist
相关产品推荐
相关产品推荐

