例如，我有以下表格：
index,A,B
0,0,0
1,0,8
2,0,8
3,1,5
4,1,3
按照 A 分组后：
0:
index,A,B
0,0,0
1,0,8
2,0,8
1:
index,A,B
3,1,5
4,1,3
data = <example table>
grouped = data.groupby("A")
filtered = grouped.filter(lambda x: x["B"] == x["B"].max())
所以我理想中需要的是一个过滤器，遍历所有组中的所有行。
谢谢帮助！
P.S. 是否有仅删除组中行而不返回 DataFrame 对象的方法？
你只需要在 groupby 对象上使用 apply 即可。我修改了你的示例数据，使其更加清晰：
import pandas
from io import StringIO
csv = StringIO("""index,A,B
0,1,0.0
1,1,3.0
2,1,6.0
3,2,0.0
4,2,5.0
5,2,7.0""")
df = pandas.read_csv(csv, index_col='index')
groups = df.groupby(by=['A'])
print(groups.apply(lambda g: g[g['B'] == g['B'].max()]))
这将打印：
A B
A index
1 2 1 6
2 4 2 7
apply()具体是做什么的吗？而且我对g[g['B']有点困惑。 - jirinovogroupby.apply(function) 会将每个分组都传递给指定的函数，并拼接所有结果。而 g[...] 是高级/布尔索引 -- 意味着它只返回满足内部条件的行。在这种情况下，条件是 g['B'] == g['B'].max()，即列 B 中的值等于该组中 B 的最大值的所有行。 - Paul H编辑：我刚学会了一种更简洁的方法，使用 .transform 分组方法：
def get_max_rows(df):
B_maxes = df.groupby('A').B.transform(max)
return df[df.B == B_maxes]
B_maxes是一个序列，与原始的df具有相同的索引，其中包含每个A组的B的最大值。您可以将许多函数传递给transform方法。我认为它们输出后要么是标量，要么是相同长度的向量。您甚至可以通过一些字符串作为常见函数名称（如'median'）来传递。这与Paul H的方法略有不同，因为'A'在结果中不会成为索引，但是您可以在之后轻松设置它。import numpy as np
import pandas as pd
df_lots_groups = pd.DataFrame(np.random.rand(30000, 3), columns = list('BCD')
df_lots_groups['A'] = np.random.choice(range(10000), 30000)
%timeit get_max_rows(df_lots_groups)
100 loops, best of 3: 2.86 ms per loop
%timeit df_lots_groups.groupby('A').apply(lambda df: df[ df.B == df.B.max()])
1 loops, best of 3: 5.83 s per loop
编辑：
这里有一个抽象概念，允许您使用任何有效的比较运算符和任何有效的groupby方法从组中选择行：
def get_group_rows(df, group_col, condition_col, func=max, comparison='=='):
g = df.groupby(group_col)[condition_col]
condition_limit = g.transform(func)
df.query('condition_col {} @condition_limit'.format(comparison))
get_group_rows(df, 'A', 'B', 'median', '>')
%timeit get_group_rows(df_lots_small_groups, 'A', 'B', 'max', '==')
100 loops, best of 3: 2.84 ms per loop
%timeit get_group_rows(df_lots_small_groups, 'A', 'B', 'mean', '!=')
100 loops, best of 3: 2.97 ms per loop
transform被使用，但我很确定是在这里（指 Stack Overflow）。通过查看这里的问题和答案，我经常发现解决问题的新方法。如果你使用ipython notebook，你可以使用Tab键自动补全功能浏览各种方法，阅读文档字符串（不够好，我知道），并进行尝试（在这种情况下创建一个分组对象并浏览其方法）。 - JoeCondron& 连接它们。您能提供一个例子吗？ - JoeCondron以下是另一个示例：使用idxmax()和.loc()在分组操作后过滤具有最大值的行
In [465]: import pandas as pd
In [466]: df = pd.DataFrame({
'sp' : ['MM1', 'MM1', 'MM1', 'MM2', 'MM2', 'MM2'],
'mt' : ['S1', 'S1', 'S3', 'S3', 'S4', 'S4'],
'value' : [3,2,5,8,10,1]
})
In [467]: df
Out[467]:
mt sp value
0 S1 MM1 3
1 S1 MM1 2
2 S3 MM1 5
3 S3 MM2 8
4 S4 MM2 10
5 S4 MM2 1
### Here, idxmax() finds the indices of the rows with max value within groups,
### and .loc() filters the rows using those indices :
In [468]: df.loc[df.groupby(["mt"])["value"].idxmax()]
Out[468]:
mt sp value
0 S1 MM1 3
3 S3 MM2 8
4 S4 MM2 10
所有这些答案都很好，但我想要以下内容:
(DataframeGroupby object) --> filter some rows out --> (DataframeGroupby object)
gdf.apply(lambda g: g[g['team'] == 'A']).reset_index(drop=True).groupby(gdf.grouper.names)
可工作的代码示例：
import pandas as pd
def print_groups(gdf):
for name, g in gdf:
print('\n'+name)
print(g)
df = pd.DataFrame({'name': ['sue', 'jim', 'ted', 'moe'],
'team': ['A', 'A', 'B', 'B'],
'fav_food': ['tacos', 'steak', 'tacos', 'steak']})
gdf = df.groupby('fav_food')
print_groups(gdf)
steak
name team fav_food
1 jim A steak
3 moe B steak
tacos
name team fav_food
0 sue A tacos
2 ted B tacos
fgdf = gdf.apply(lambda g: g[g['team'] == 'A']).reset_index(drop=True).groupby(gdf.grouper.names)
print_groups(fgdf)
steak
name team fav_food
0 jim A steak
tacos
name team fav_food
1 sue A tacos
g 是指分组（我想）。通常使用grouped。df 被广泛用作 dataframe。fgdf = 最终分组数据框（我猜）。 - MasayoMusic
df.query和pd.eval似乎非常适合这种用例。有关pd.eval()函数系列的信息、特性和用例，请访问使用pd.eval()在pandas中进行动态表达式评估。 - cs95