使用 pd.BooleanSeries 过滤 groupby 的结果

Question

考虑让两个数据框共享一列。

df = pd.DataFrame([{'a': 1, 'b':2}, {'a':2, 'b': 4}])
df2 = pd.DataFrame([{'a': 1, 'c':2}, {'a': 1, 'c':3}, {'a':2, 'c': 4}, {'a': 2, 'c':5}])
grouped_df = df2.groupby('a')

我使用第一个来获取一些索引，我想用它们来过滤 groupby 之后的第二个数据帧：

my_indexes = df['a']==1

grouped_df

的长度与

my_indexes

相同。

如何使用

my_indexes

来过滤

df2

？ 我已经尝试过

grouped_df[my_indexes]

但它不适用于 groupby 结果，并且

apply

和

transform

想要一个可调用的。

Answer 1

首先根据

df2

中满足条件

df['a']

的值过滤

df['a'] == 1

，然后对过滤后的df执行groupby操作。基本上：

import pandas as pd

df = pd.DataFrame([{'a': 1, 'b': 2}, {'a': 2, 'b': 4}])
df2 = pd.DataFrame([{'a': 1, 'c': 2}, {'a': 1, 'c': 3}, {'a': 2, 'c': 4}, {'a': 2, 'c': 5}])

values_of_interest = df[df['a'] == 1]['a']

filtered_df2 = df2[df2['a'].isin(values_of_interest)]
grouped_df = filtered_df2.groupby('a')

举个例子：

for name, group in grouped_df:
    print(f'Group: {name}')
    print(group)

这给出了

Group: 1
   a  c
0  1  2
1  1  3