Pandas:通过将列的值与不同行中同一列的另一个值进行比较来过滤行

Question

我已经搜索了这个，我认为我没有找到任何适用的东西。但是我是 Pandas 的新手，所以我可能错过了一些东西 - 在这种情况下道歉。

假设我有一个数据框 df，其内容如下:

Column1       Column2
A             Apple     
B             Apple     
A             Pear      
A             Orange    
B             Orange    
A             Pear      

我想过滤数据框以仅显示以下行:

-Column2 的值至少匹配 1 个其他 Column2 值
- 对于这 2 个匹配的行，至少有 1 个 Column1 的值不同。

上述df的预期结果:

Column1       Column2 
A             Apple    
B             Apple 
A             Orange 
B             Orange

我已尝试为此使用 .loc() 方法，但我找不到合适的过滤器/过滤器集。 (我也尝试使用 'for i in df' 循环，但这只是给出了一个错误)。

在这些情况下，我通常会发布一些示例代码，但我认为到目前为止我的任何方法都没有多大意义。

任何帮助将不胜感激 - 谢谢。

Answer 1

使用 GroupBy.transform 与 nunqiue :

df_filtered = df[df.groupby('Column2')['Column1'].transform('nunique').gt(1)]
print(df_filtered)

我们也可以使用 pd.crosstab :

df[df['Column2'].map(pd.crosstab(df['Column1'],df['Column2']).gt(0).sum().gt(1))]
#df[df['Column2'].map(pd.crosstab(df['Column1'],df['Column2']).where(lambda x: x>0).count().gt(1))]

我们也可以使用 groupby.filter 一般来说，这比较慢

df.groupby('Column2').filter(lambda x: x.Column1.nunique()>1)

输出

  Column1 Column2
0       A   Apple
1       B   Apple
3       A  Orange
4       B  Orange

最好的解决方案是第一个 groupby.transform