在熊猫聚集中应用过滤器

我认为需要 DataFrame.dropna :

df1 = df.dropna().groupby('number').agg({"letter": lambda w: list(w)})

如果需要,请为删除缺少的值指定列:

df1 = df.dropna(subset=['q']).groupby('number').agg({"letter": lambda w: list(w)})
print (df1)
         letter
number         
1        [beta]
2       [alpha]

编辑:

你也可以过滤 query :

df1 = df.query("q > 0").groupby('number').agg({"letter": lambda w: list(w)})

或 boolean indexing :

df1 = df[df['q'] > 0].groupby('number').agg({"letter": lambda w: list(w)})

df1 = df[df['q'].notnull()].groupby('number').agg({"letter": lambda w: list(w)})

Eddi1:

在函数中也可以进行过滤,以避免丢失不匹配的组:

def f(x):
    return x.loc[x['q'] > 1, 'letter'].tolist()

df2 = df.groupby('number').apply(f).reset_index(name='val')
print (df2)
   number     val
0       1  [beta]
1       2      []

df1 = df[df['q'] > 1].groupby('number').agg({"letter": lambda w: list(w)})
print (df1)
        letter
number        
1       [beta]