Python:计算共享同一电子邮件的不同用户 ID - Pandas 数据操作

Question

我想返回一个数据框，该数据框仅显示 User_ID 关联了超过 1 个电子邮件的行。换句话说，我正在计算有多少个共享电子邮件的不同用户 ID - 见下文

示例数据

   Unnamed: 0    First Name  ... User_ID                      Email
0           0           Bob  ...             2011              Bob@email
1           1          Dirk  ...             2012              jack@email
2           2         Sarah  ...             2013              Sara@email
3           3           max  ...             2015              Bob@email
4           4           leo  ...             2016              Sara@email

根据上表，我想要的结果是这样的(请注意，我会将值计数减少到小于 0，因为我只对具有以下特征的用户 ID 感兴趣

输出

User_ID   (Count of other User_Ids with same Domain) 
2011       1 
2012       0 
2013       1      
2015       1
2016       1

在 SQL 中，这将像下面这样工作，我将获得所有用户 ID 的输出，这些用户 ID 的数量大于 1 个不同的关联电子邮件。有人可以建议我如何在 python 中做类似的事情吗？

SELECT User_ID, COUNT(EMAILS) AS Count
FROM dataframe
HAVING Count > 1

在 python 中，我尝试利用 value_counts 函数执行以下操作，但不知道如何使其输出上面所需的输出

df = pd.read_csv("data.csv")
#print( df['Email'].value_counts() > 1)
emailList = list(df["Email"].value_counts())
 
duplicates = df[df['Email'].duplicated(keep=False)]
print(duplicates.value_counts())

Answer 1

你在找吗

df.groupby('Email')['FirstName'].value_counts()

如果您想过滤具有多个名称的电子邮件。请尝试

df[df.groupby('Email')['FirstName'].transform(lambda x: x.count().sum()).gt(1)]

或

 df.groupby('Email')['FirstName'].agg(list).to_frame('names')



                 names
Email                   
Bob@email     [Bob, max]
Sara@email  [Sarah, leo]
jack@email        [Dirk]