filter()方法用于groupby对象的分组级条件筛选，接收作用于每组dataframe的函数，返回true保留整组；agg()后布尔索引适用于聚合值筛选；transform()则用于广播聚合结果以筛选原始行。
用 filter() 方法对 GroupBy 对象做条件筛选
直接在 groupby() 后调用 filter()，是最贴近“按条件过滤分组”的做法。它接收一个函数，该函数作用于每个分组（即每个 pd.DataFrame 子集），返回 True 表示保留该组，False 表示丢弃。
常见错误是误以为 filter() 接收的是单个值或 Series —— 它实际接收的是整个分组 DataFrame，所以逻辑要围绕子集整体写，比如「该组人数 ≥ 3」或「该组最大销售额 > 10000」。
- 若想保留每组平均值大于 50 的分组：
df.groupby('category').filter(lambda g: g['score'].mean() > 50) - 若依赖多个列判断：用
g['a'].sum() / g['b'].count() > 10这类表达式，注意避免除零（g['b'].count()为 0 时会出错） -
filter()不支持字符串谓词（如"score > 50"），必须传函数；也不能链式调用.agg()后再 filter —— 因为 agg 后已不是 GroupBy 对象
先 agg() 再用布尔索引筛选分组统计结果
当你的条件基于聚合后的标量值（比如“各城市平均薪资 > 15000”），更适合先用 agg() 得到一个带索引的 Series 或 DataFrame，再用布尔索引过滤。这比 filter() 更直观、更易调试。
注意：此时操作对象已不再是 GroupBy，而是聚合结果，所以不能再调用 filter() 或 apply() 等 GroupBy 方法。
- 获取每组均值后筛选：
means = df.groupby('city')['salary'].mean(); means[means > 15000] - 多指标聚合后筛选：用
df.groupby('dept').agg({'salary': 'mean', 'age': 'max'})，然后result[result['salary'] > 8000] - 如果后续还需原始数据，得用
transform()或map()把聚合结果广播回原表，再配合loc筛选行
用 transform() 实现“组内广播 + 全局布尔索引”
当你需要保留满足组级条件的**原始行**（而非整个组或聚合值），transform() 是关键。它把聚合结果按原索引广播回去，生成与原 DataFrame 等长的 Series，可直接用于 loc 索引。
典型场景：「只保留所在组中销售额高于该组均值的订单」—— 这种不能用 filter()（它要么留整组，要么删整组），也不能只靠 agg()（它不返回行级信息）。
- 正确写法：
df.loc[df.groupby('region')['revenue'].transform('mean') -
transform()支持字符串方法（'mean','size'）和自定义函数，但函数必须返回标量或与输入等长的序列 - 性能上，
transform()比apply()快得多；但如果函数内部做了复杂计算，仍建议先agg()缓存再map()，避免重复执行
容易忽略的边界情况和兼容性问题
GroupBy 过滤看似简单，但几个细节常导致结果意外：
- 空组：如果分组键含
NaN，默认会被丢弃（dropna=True）。若需保留，加参数df.groupby('col', dropna=False) - 多级索引分组后，
filter()函数里的g仍是 DataFrame，但索引是 MultiIndex，取值时注意用g.index.get_level_values(0)而非g.index[0] - Pandas 2.0+ 中
filter()对返回值类型更严格：必须明确返回 Python 布尔（True/False），不能返回 numpy.bool_ 或 pd.BooleanDtype 的 NA —— 否则报ValueError: The truth value of a Series is ambiguous - 用
transform()时若某组全为NaN，结果对应位置也是NaN，参与比较（如> 100）会得False，可能漏掉本应保留的行；必要时先fillna()或改用where()
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
