Python熊猫：有没有一种更快的方法可以根据标准拆分和重新组合数据帧？

我希望根据特定列“ContactID”对该数据帧进行分组，但如果该组的列“PaymentType”不包含特定值，则我希望从数据帧中删除整个组

我有这样的想法：

UniqueID = data.drop_duplicates('ContactID')['ContactID'].tolist()
OnlyRefinance=[]
for i in UniqueID:
    splits = data[data['ContactID']==i].reset_index(drop=True)
    if any(splits['PaymentType']==160):
        OnlyRefinance.append(splits)
OnlyRefinance = pd.concat(OnlyRefinance)

---

这是可行的，但速度非常慢，我想知道是否有更快的方法来实现这一点。

您可以通过执行以下操作来轻松完成：

to_drop = data.loc[data['PaymentType'] == 160, 'ContactID'].unique()
data[~data['ContactID'].isin(to_drop)]

因此，首先筛选出所有不符合条件的行，并获取我们想要删除的唯一联系人ID

---

然后将这些信息传递到isin，并使用

~

反转遮罩。这将删除此阵列中ContactID所在的所有行。

您可以使用另一个选项

groupby.filter

：

data.groupby("ContactID").filter(lambda g: (g.PaymentType == 160).any())

---

这将只保留PaymentType包含160的组。

这是一个很好的简单解决方案+1@EdChum谢谢，非常感谢。这太完美了！谢谢EdChum！这是一个很好的解决方案