Pandas：使用 groupby 和函数进行数据帧过滤

使用Python 3.3和Pandas 0.10

我有一个通过连接多个 CSV 文件构建的 DataFrame。首先，我过滤掉“名称”列中包含特定字符串的所有值。结果看起来像这样（为了简洁起见缩短了，实际上还有更多列）：

Name    ID
'A'     1
'B'     2
'C'     3
'C'     3
'E'     4
'F'     4
...     ...

现在我的问题是我想删除“重复”值的特殊情况。我想删除所有 ID 重复项（实际上是整行），其中映射到该 ID 的相应名称值是not相似的。在上面的示例中，我想保留 ID 为 1、2 和 3 的行。当 ID=4 时，名称值不相等，我想删除它们。

我尝试使用以下代码行（基于此处的建议：Python Pandas：根据出现次数删除条目).

Code:

df[df.groupby('ID').apply(lambda g: len({x for x in g['Name']})) == 1]

但这给了我错误：ValueError: Item wrong length 51906 instead of 109565!

Edit:

而不是使用apply()我也尝试过使用transform()，但这给了我错误：AttributeError: 'int' object has no attribute 'ndim'。非常感谢关于为什么每个函数的错误不同的解释！

另外，我想保留上面示例中 ID = 3 的所有行。

提前致谢， 马蒂斯

而不是长度len，我认为您要考虑每个组中 Name 的唯一值的数量。使用nunique()，并查看这个过滤组的巧妙方法。

df[df.groupby('ID').Name.transform(lambda x: x.nunique() == 1).astype('bool')]

如果你升级到pandas 0.12，你可以使用新的filter群体方法，这使得这更加简洁和直接。

df.groupby('ID').filter(lambda x: x.Name.nunique() == 1)

一般性评论：当然，有时您确实想知道该组的长度，但我发现size是一个比以下更安全的选择len，在某些情况下这对我来说很麻烦。