16.5 过滤

概述

filter() 按组级条件筛选分组，保留符合条件的整组数据，返回原行数据（行数不变或减少，但不会折叠）。

---

filter()

签名

GroupBy.filter(func, dropna=True, *args, **kwargs)

参数说明

参数	默认值	说明
func	—	接收整个子组作为参数，返回布尔值；True 保留该组，False 丢弃该组
dropna	True	是否丢弃结果为 NaN 的组
*args / **kwargs	—	传给 func 的额外参数

基础示例

import pandas as pd
 
df = pd.DataFrame({
    "部门": ["A", "A", "B", "B", "C", "C"],
    "员工": ["张三", "李四", "王五", "赵六", "孙七", "周八"],
    "薪资": [8000, 9500, 12000, 11000, 3000, 4000],
})
 
# 保留【薪资总和 > 15000】的部门
df.groupby("部门").filter(lambda x: x["薪资"].sum() > 15000)
 
# 保留【组内人数 >= 2】的组
df.groupby("部门").filter(lambda x: len(x) >= 2)
 
# 保留【组内最高薪资 > 10000】的组
df.groupby("部门").filter(lambda x: x["薪资"].max() > 10000)
 
# 保留【组内薪资均值 > 5000】的组
df.groupby("部门").filter(lambda x: x["薪资"].mean() > 5000)

常用过滤器速查

过滤目标	写法
保留总薪资达到阈值的组	filter(lambda x: x["薪资"].sum() > 阈值)
保留组内记录数 ≥ n 的组	filter(lambda x: len(x) >= n)
保留组内最小/最大值条件	filter(lambda x: x["列"].min() > 阈值)
保留包含特定任意值的组	filter(lambda x: (x["列"] == 值).any())
保留均值、中位数等达标组	filter(lambda x: x["列"].mean() > 阈值)

与布尔索引的区别

filter() 是组级过滤（先分组，再决定整组去留）；普通布尔索引是行级过滤。

对比示例

# 行级过滤：只保留薪资 > 8000 的行（可能使组不完整）
df[df["薪资"] > 8000]
 
# 组级过滤：保留【平均薪资 > 8000】的整组数据
df.groupby("部门").filter(lambda x: x["薪资"].mean() > 8000)

高级用法：结合条件组合

# 组内人数 >= 2 且 薪资总和 > 15000
df.groupby("部门").filter(lambda x: len(x) >= 2 and x["薪资"].sum() > 15000)
 
# 使用外部函数作为过滤器
def 大部门(g):
    return len(g) >= 2
 
df.groupby("部门").filter(大部门)

---

相关笔记

• 上一节：分组与聚合-4-变换
• 下一节：分组与聚合-6-应用