python - 具有逻辑条件的 pandas 数据帧 groupby 的过滤语法

Question

我有一个 pandas 数据框，其中包含具有一对多关系的索引。 DataFrame Example 中显示了我的数据的一个非常简化和简短的示例。关联。我想要获取唯一 namIdx 值的列表或系列或 ndarray，其中 nCldLayers <= 1。最终结果应显示索引 601 和 603。

1. 我可以通过下面的 3 条语句来完成此任务，但我想知道是否有更好、更简洁的方法，例如“filter”、“select”或“where”。

   grouped=(namToViirs['nCldLayers']<=1).groupby(namToViirs.index).all(axis=0)
   grouped = grouped[grouped==True]
   filterIndex = grouped.index
   

2. 是否有更好的方法通过在链的后续部分应用逻辑条件 (namToViirs['nCldLayers >= 1) 来实现此结果，即，首先组然后应用逻辑条件，然后仅检索namIdx，其中组中每个成员的逻辑结果为 true？

Answer 1

我认为您的代码工作得很好，只有您可以添加使用小的更改:

在all中可以省略axis=0
grouped==True 可以省略 ==True

grouped=(namToViirs['nCldLayers']<=1).groupby(level='namldx').all()
grouped = grouped[grouped]
filterIndex = grouped.index
print (filterIndex)
Int64Index([601, 603], dtype='int64', name='namldx')

我认为更好的是首先按 boolean indexing 进行过滤然后是groupby，因为循环更少 -> 性能更好。