基于多列条件统计并删除行的Pandas实现问题

我来帮你搞定这个需求！你想要保留那些v1和v2组合出现恰好2次的行，删除其他组合的数据对吧？你的思路用groupby是对的，但需要用正确的方法把分组计数和原数据关联起来，下面给你两种可行的实现方式：

方法一：用transform生成计数列后筛选 #

这种方式直观，适合理解分组计数如何映射到每一行：

首先，先把你的测试数据构造出来（方便复现）：

import pandas as pd

data = {
    'ID': [1,1,1,1,1,1,1,1,1],
    'v1': [0,15,0,0,0,15,10,10,10],
    'v2': [30,10,30,15,20,10,10,10,10]
}
df = pd.DataFrame(data)

然后执行筛选：

# 给每一行添加它所属(v1,v2)组合的计数
df['group_count'] = df.groupby(['v1', 'v2'])['ID'].transform('count')

# 只保留计数为2的行，再删掉临时的计数列
filtered_df = df[df['group_count'] == 2].drop('group_count', axis=1)

print(filtered_df)

方法二：用filter直接筛选分组（更简洁） #

Pandas的groupby.filter可以直接对分组进行筛选，不需要额外生成临时列：

filtered_df = df.groupby(['v1', 'v2']).filter(lambda group: len(group) == 2)

为什么你的原代码不行？ #

你之前写的df[df.groupby(['ID', 'v_1', 'v_2'])]有两个问题：

• 列名写错了：你的数据里是v1和v2，不是v_1、v_2
• groupby对象不能直接作为布尔索引传入df[]，必须用transform（映射到行）或filter（筛选分组）来转换

最终输出结果 #

两种方法都会得到你想要的结果：

ID  v1  v2
0   1   0  30
2   1   0  30
1   1  15  10
5   1  15  10

内容的提问来源于stack exchange，提问作者Lumos