python - 如何在 Pandas 中过滤 Groupby 标准？

Question

假设以下人为设置:

import pandas as pd
d = {'fname': ['bob', 'Bob', 'larry', 'LARRY', 'Larry', 'Dick'], 
     'lname': ['harris', 'Larson', 'Douglas', 'REDMOND', 'Beal', 'Dyke']}
df = pd.DataFrame(d)
g = df.groupby(df.fname.str.lower())

query = ['bob', 'dick', 'chris']

用简单的英语来说，我想为查询中的名字的条目创建整个数据框的 View ，忽略大小写更改。 我(认为我)想在 g 上执行高效且惯用的 filter() 操作，以查找并组合与 query 中的条目对应的那些组，进入单个 DataFrame，即:

   fname    lname
0    bob   harris
1    Bob   Larson
5   Dick     Dyke

但是，filter() 似乎会迭代整个组集(当 df 很大而 query 很小时很重要)，无论如何，我似乎无法从 filter() 中访问组名称。

我能想到的最好的:

pd.concat([pd.DataFrame()] + map(lambda y: g.get_group(y), 
                                 filter(lambda x: x in g.groups, query)))

但我怀疑这效率不高或不符合习惯。

更新:

我应该澄清一下，在支持这一点的现实世界问题中，只有一个非常大的 df，但有几个独立的小型查询实例。 isin 可能仅适用于一个查询，但我发现使用一次 Groupby 可以显着提高速度，然后对每个查询进行单独查找，如使用上面的 map /过滤器组合。

Answer 1

我不知道我是否在这里遗漏了一些东西，但使用 isin 的简单 bool 索引看起来就足够了。

df[df.fname.str.lower().isin(query)]

    fname   lname
0   bob     harris
1   Bob     Larson
5   Dick    Dyke