python - 如何找到之前列定义的每个子集中存在的 pandas 单元格值？

Question

我有一个 Pandas 数据框 df 看起来像这样(输入):

Item  Color
Car   1
Car   2
Bike  3
Bike  1
Train 4
Train 1

我想为每个 Item 值(输出)找到通常至少出现一次的每个 Color 值:

Item Color
Car   1
Bike  1
Train 1

我目前的方法是基于一个循环并且公认的丑陋。我确信有一种更 pythonic/高效的方法，最好是单行。

all_colors = df.Color.unique().tolist()
for single_color in all_colors:
    df_slice = df[df.Color = single_color]
    if len(df_slice) = len(df.Item.unique().tolist()):
       print "Shared Color", single_color
       print df_slice
    else:
       continue

如何找到存在于之前列定义的每个子集中的 pandas 单元格值？

编辑:问题标题也很庞大 - 如果有人有更好的措辞，请随意

Answer 1

选项 1
使用 groupby + value_counts + unstack，然后进行非空检查。

v = df.groupby('Item').Color.value_counts().unstack().notnull().all(0)
df[df.Color.isin(v.index[v])]

    Item  Color
0    Car      1
3   Bike      1
5  Train      1

详情
groupby 后跟 unstack 的结果如下所示:

df.groupby('Item').Color.value_counts().unstack()

Color    1    2    3    4
Item                     
Bike   1.0  NaN  1.0  NaN
Car    1.0  1.0  NaN  NaN
Train  1.0  NaN  NaN  1.0

现在，只需在行中使用 notnull + all 即可找到没有任何 NaN 的列。然后，使用它索引到 df。

---

选项 2
get_dummies + sum -

v = pd.get_dummies(df.set_index('Item').Color).sum(0).eq(df.Item.nunique())
df[df.Color.isin(v.index[v])]

    Item  Color
0    Car      1
3   Bike      1
5  Train      1

详细信息

在这里，我利用 get_dummies 并找出哪些颜色已被表示 #df.Item.nunique() 次。

pd.get_dummies(df.set_index('Item').Color).sum(0)

1    3
2    1
3    1
4    1
dtype: int64

df.Item.nunique()
3

---

选项 3
与前两个类似，但它使用 pd.crosstab，然后您只需检查所有行的计数是否大于或等于 1:

v = pd.crosstab(df.Item, df.Color).ge(1).all(0)
df[df.Color.isin(v.index[v])]

    Item  Color
0    Car      1
3   Bike      1
5  Train      1