python - Pandas 仅返回重复结果

Question

我有一个包含以下列的 Pandas DataFrame:

UserID, Date, (other columns that we can ignore here)

我试图仅选择在多个日期访问过的用户。我目前正在使用 groupby(['UserID', 'Date']) 和一个 for 循环来完成此操作，其中我删除只有一个结果的用户，但我觉得有一种更好的方法来做到这一点。

谢谢

Answer 1

这取决于您想要获得的输出的确切格式，但您可以对每个 UserID 内的不同日期进行计数，并获取该计数 > 1 的所有日期(例如 having count(distinct Date) > 1 in SQL):

>>> df
                 Date  UserID
0 2013-01-01 00:00:00       1
1 2013-01-02 00:00:00       2
2 2013-01-02 00:00:00       2
3 2013-01-02 00:00:00       1
4 2013-01-02 00:00:00       3
>>> g = df.groupby('UserID').Date.nunique()
>>> g
UserID
1         2
2         1
3         1
>>> g > 1
UserID
1          True
2         False
3         False
dtype: bool
>>> g[g > 1]
UserID
1         2

您会看到结果是 UserID = 1，这是在多个日期访问过的唯一用户