Python 3.x 对熊猫中的所有分组数据应用排序功能？

例如，我有一个数据帧：

A B
1 1
1 1
4 0
5 1
6 1
7 0
1 1
4 0
5 0
6 1
4 0

我想把所有的“组”放在A中（所有的1，所有的2，所有的3，等等，或者如果字符串，所有相同的字符串），它们在B中有1（或者包含一个大于或等于某物的值）

所以这里的输出是

A B
1 1
1 1
5 1
6 1
1 1
5 0
6 1

我在脑海中想象的是：

---

df[（df['A']==groupedAsSameThing？&（df['B']>=0.5）]

如果我理解正确，这是

groupby（）.transform（）

：

输出：

   A  B
0  1  1
1  1  1
3  5  1
4  6  1
6  1  1
8  5  0
9  6  1

您可以简单地使用：

df[df.A.isin(df.loc[df.B>0,'A'])]

这是一种符合您需要的文字方法：当您过滤掉df[B]>0的所有行时，df[a]在df[a]列中

Out[10]: 
   A  B
0  1  1
1  1  1
3  5  1
4  6  1
6  1  1
8  5  0
9  6  1

---

有一个GroupBy.filter正好用于此

df = df.groupby('A', as_index=False).filter(lambda g: (g['B'] > 0).any())

---

IIUC是什么意思？@ArcoBast谢谢，但我必须使用transform（'max'）吗？这不包括“如果它是字符串”的情况。如果两者都是字符串，我就不能使用该代码。一般来说当然。我必须将“max”替换为“any”，否则会引发错误。我明白你的意思，所以

B

列也包含字符串？不寻常的用例，但是如果

any

适合您，那么

any

就是：-）。感谢您的解释。

df[df.groupby（'A'）['B'].transform（'any'）]

谢谢。我一直在想如何正确使用groupby。这同样有效。这两种情况都适用于字符串和浮点。很好，这涵盖了字符串和浮点的情况，我不必使用“groupby”。

df = df.groupby('A', as_index=False).filter(lambda g: (g['B'] > 0).any())