使用group_by还是filter从DataFrame筛选数据？

哈哈，这得看你具体要筛啥——groupby()和filter()根本是两种不同场景的工具，我结合你给的学生成绩数据集给你唠明白：

场景1：单纯挑符合条件的行（不用分组） #

如果你的需求就是直接揪出某些满足条件的记录，比如：

• 找出所有分数超过20的成绩
• 找出物理科目分数大于20的学生
  这种情况完全不需要groupby，直接用布尔索引或者query()就够了（pandas自带的filter()其实更适合按列名挑列，比如只保留姓名和分数列）。

给你整个实际代码例子：

# 筛选Score>20的所有行
df[df['Score'] > 20]

# 或者用query写起来更简洁
df.query("Score > 20")

场景2：按学生分组后，筛出符合组内条件的整个学生的成绩 #

如果你的需求是先把同一个学生的成绩归为一组，再挑出满足组内条件的学生的所有成绩，比如：

• 找出至少有一门科目分数超过20的学生的全部成绩
• 找出生物考0分，但其他科目平均分超过15的学生
  这种时候就得把groupby()和分组后的filter()搭配起来用了。

比如筛选“至少有一门分数超20”的学生所有成绩：

# 先按First Name分组，然后筛选组内存在Score>20的组
df.groupby('First Name').filter(lambda x: (x['Score'] > 20).any())

运行后会留下Harry Kane（物理25分）、Tom Hault（物理22、数学24、社科25）、Phil Adams（生物20、物理22）的所有成绩，Ben Capario因为所有科目最高才18分，就被排除啦。

场景3：分组聚合后，筛出聚合结果符合条件的组 #

如果你的需求是先按学生算出平均分/最高分这类聚合值，再挑出符合聚合条件的学生，比如：

• 找出平均分超过15的学生
• 找出最高分不到20的学生
  这种时候用groupby()+filter()最直接：

# 筛选平均分>15的学生所有成绩
df.groupby('First Name').filter(lambda x: x['Score'].mean() > 15)

最后给你划个重点：

• 只是单一行级筛选？直接用布尔索引/query，不用碰groupby；
• 需要基于组的条件，把整个组的行都留下来/去掉？就用groupby()+分组filter()；
• groupby()本身不是用来直接筛选的，它的核心是把数据按类别拆分成小群体，再对每个小群体做筛选、聚合这类操作。

内容的提问来源于stack exchange，提问作者Sriharsha P