如何批量删除Pandas DataFrame中出现次数不足4次的城市行？

嘿，这个需求太常见了，我来给你几个高效的实现方法，完全不用手动逐个删除目标城市的行：

方法一：用value_counts + isin组合 #

先筛选出出现次数≥4的城市列表，再保留这些城市的行：

# 获取出现次数≥4的城市名称
cities_to_keep = df['city'].value_counts()[df['city'].value_counts() >= 4].index
# 过滤DataFrame
filtered_df = df[df['city'].isin(cities_to_keep)]

原理很简单：value_counts()返回各城市的出现次数，我们筛选出计数≥4的条目，取它们的索引（也就是城市名），再用isin()保留这些城市对应的所有行。

方法二：用groupby + filter（最简洁） #

这是我个人最常用的写法，一行就能搞定：

filtered_df = df.groupby('city').filter(lambda x: len(x) >= 4)

groupby('city')把数据按城市分组，filter()会对每个组执行lambda函数——检查组的长度（也就是该城市的出现次数）是否≥4，只有符合条件的组会被保留下来。

方法三：用transform计算每行的组计数 #

如果你需要先查看每个行对应的城市出现次数，或者想更直观地理解筛选逻辑，可以用transform：

# 给每行添加对应城市的出现次数列
df['city_count'] = df.groupby('city')['city'].transform('count')
# 筛选出次数≥4的行，再删掉临时列
filtered_df = df[df['city_count'] >= 4].drop('city_count', axis=1)

或者更紧凑的一行写法：

filtered_df = df[df.groupby('city')['city'].transform('count') >= 4]

transform('count')会把每个组的计数广播到组内的每一行，这样我们直接对这个广播后的计数列做筛选即可。

这三种方法都能自动识别所有出现次数≥4的城市，完全不用手动指定城市名，不管你的城市列表有多长都能适用~

内容的提问来源于stack exchange，提问作者Devin Lee