如何在Pandas中筛选分组后col列集合大小>1的行？

你想筛选出按concat列分组后，组内col列值的集合大小大于1的所有行对吧？你之前的代码报错是因为lambda表达式缺少else分支，而且这种写法也没法直接帮你筛选原数据，我来帮你修正一下：

分步解决方案 #

首先，我们需要先找出哪些分组符合条件（即组内col的集合长度>1），再用这些分组去过滤原DataFrame：

1. 构建示例数据（和你的代码一致）：

import pandas as pd

df = pd.DataFrame({'col': [1, 2, 3], 'a': [41, 4, 5], 'b': [3, 13, 6]})
df['concat'] = df['a'].astype(str) + df['b'].astype(str)

这里concat列的取值是['413', '413', '56']，其中'413'分组的col值是[1,2]，集合大小为2，符合条件；'56'分组的col值是[3]，集合大小为1，不符合。

2. 方法一：先获取有效分组再筛选

# 计算每个分组的col集合长度，筛选出符合条件的分组键
valid_concats = df.groupby('concat')['col'].apply(lambda x: len(set(x)) > 1)
# 提取符合条件的分组名称
valid_concats = valid_concats[valid_concats].index.tolist()
# 筛选原DataFrame中属于有效分组的行
filtered_df = df[df['concat'].isin(valid_concats)]

运行后filtered_df会包含concat为'413'的两行数据。

3. 方法二：用transform直接标记并筛选（更简洁）
   transform可以将分组计算的结果广播到每一行，这样我们可以直接给原DataFrame添加一个标记列，再筛选：

# 给每行标记所在分组是否符合条件
df['group_valid'] = df.groupby('concat')['col'].transform(lambda x: len(set(x)) > 1)
# 筛选符合条件的行
filtered_df = df[df['group_valid']]

为什么你的原代码报错？ #

你之前写的lambda x: set(x) if len(set(x)) > 1缺少了else分支，apply要求每个分组都必须返回一个值，当分组不满足条件时，这个lambda没有返回内容，Python就会抛出错误。而且你的目标是筛选行，不是生成字典，所以这种写法本身也不符合需求~

内容的提问来源于stack exchange，提问作者daiyue