การกรอง DataFrame ในกลุ่มที่จำนวนองค์ประกอบแตกต่างจาก 1

ฉันทำงานกับ DataFrame โดยมีโครงสร้างดังต่อไปนี้:

import pandas as pd

df = pd.DataFrame({'group':[1,1,1,2,2,2,2,3,3,3],
                   'brand':['A','B','X','C','D','X','X','E','F','X']})

print(df)

   group brand
0      1     A
1      1     B
2      1     X
3      2     C
4      2     D
5      2     X
6      2     X
7      3     E
8      3     F
9      3     X

เป้าหมายของฉันคือดูเฉพาะกลุ่มที่มีแบรนด์เดียวที่Xเชื่อมโยงกับพวกเขา เนื่องจากกลุ่มหมายเลข 2 มีการสังเกตสองแบบเท่ากับแบรนด์Xจึงควรถูกกรองออกจาก DataFrame ที่ได้

ผลลัพธ์ควรมีลักษณะดังนี้:

   group brand
0      1     A
1      1     B
2      1     X
3      3     E
4      3     F
5      3     X

ฉันรู้ว่าฉันควรทำgroupbyคอลัมน์คอลัมน์จากนั้นกรองกลุ่มเหล่านั้นที่มีจำนวนที่Xแตกต่างจาก 1 ส่วนการกรองคือที่ฉันต่อสู้ ความช่วยเหลือใด ๆ ที่จะได้รับการชื่นชม

ใช้series.eqเพื่อตรวจสอบว่าbrandเท่ากับXหรือไม่จากนั้นเป็นกลุ่มแล้วและtransform sumและกลุ่มตัวกรองที่มีXจำนวนเท่ากับ 1:

df[df['brand'].eq('X').groupby(df['group']).transform('sum').eq(1)]

   group brand
0      1     A
1      1     B
2      1     X
7      3     E
8      3     F
9      3     X

สิ่งนี้น่าจะใช้ได้เช่นกัน

df[df.groupby(['group'])['brand'].transform('sum').str.count('X').eq(1)]

เอาท์พุต

 group  brand
0   1   A
1   1   B
2   1   X
7   3   E
8   3   F
9   3   X

คอลัมน์ Groupby และใช้ตัวกรองอย่างง่ายของการนับจำนวน'X'ตัวอักษรในกลุ่มเท่ากับ 1

df.groupby('group').filter(lambda x: x['brand'].str.count('X').sum() == 1)

เอาท์พุต

   group brand
0      1     A
1      1     B
2      1     X
7      3     E
8      3     F
9      3     X

วิธีแก้ไขด้วย pd.crosstab

df[df['group'].map(pd.crosstab(df['group'],df['brand'])['X'].eq(1))]

#   group brand
#0      1     A
#1      1     B
#2      1     X
#7      3     E
#8      3     F
#9      3     X

เรายังสามารถใช้DataFrame.mergeกับSeries.drop_duplicates

df.merge(df.loc[df.brand.eq('X'),'group'].drop_duplicates(keep = False),on='group')
#   group brand
#0      1     A
#1      1     B
#2      1     X
#3      3     E
#4      3     F
#5      3     X