如何删除pandas DataFrame中匹配字符串超量的行，仅保留指定数量匹配行

嘿，这个需求我之前刚好处理过，用pandas的分组计数就能轻松搞定，完全适配字符串型列的场景！

核心思路很简单：按最后一列的字符串值分组，给每个组内的行按顺序编号，然后只保留编号小于阈值的行——这样每个字符串最多就只留前N条记录了。

具体代码实现 #

先给你一个可直接运行的示例，你可以套用到自己的DataFrame上：

import pandas as pd

# 先模拟一个测试用的DataFrame（替换成你自己的df即可）
data = {'其他列1': range(20), '其他列2': ['a']*20, '最后一列': ['Yes']*8 + ['No']*7 + ['Maybe']*5}
df = pd.DataFrame(data)

# 设置你的阈值N，比如题目里的5
threshold = 5

# 关键操作：按最后一列分组，生成组内行号，筛选行号小于阈值的行
filtered_df = df[df.groupby(df.iloc[:, -1]).cumcount() < threshold]

# 验证结果：查看最后一列各值的保留行数
print(filtered_df['最后一列'].value_counts())

代码解释 #

• df.iloc[:, -1]：用来定位DataFrame的最后一列，不管它叫什么名字都能生效；如果你的最后一列有明确列名（比如叫status），直接写列名可读性更好，比如df.groupby('status').cumcount()。
• groupby(...).cumcount()：给每个分组内的行从0开始顺序编号，比如第一个出现的"Yes"编号0，第二个1，以此类推。
• 最后的布尔索引[...] < threshold：只保留编号小于阈值的行，也就是每个字符串的前N条记录。

这个方法不管最后一列有多少种不同的字符串，都能自动处理，而且不会影响其他列的数据，完全符合你的需求～

内容的提问来源于stack exchange，提问作者Ammar Sabir Cheema