Filtern von DataFrame nach Gruppen, bei denen sich die Anzahl der Elemente von 1 unterscheidet

Ich arbeite mit einem DataFrame mit folgender Struktur:

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

Mein Ziel ist es, nur die Gruppen anzuzeigen, denen genau eine Marke Xzugeordnet ist. Da Gruppe Nummer 2 zwei Beobachtungen hat, die der Marke entsprechen X, sollte sie aus dem resultierenden DataFrame herausgefiltert werden.

Die Ausgabe sollte folgendermaßen aussehen:

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

Ich weiß, ich sollte eine groupbyin der Gruppenspalte ausführen und dann die Gruppen mit einer anderen Anzahl Xals 1 filtern. Im Filterteil habe ich Probleme. Jede Hilfe wäre dankbar.

Verwenden Sie series.eqdiese Option , um zu überprüfen, ob brandgleich X, dann groupby und transform sumund Filtergruppen, in denen Xcount gleich 1 ist:

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

Dies sollte auch funktionieren

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

Ausgabe

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

Gruppieren Sie nach Spalte und wenden Sie einen einfachen Filter für die Anzahl an 'X' Zeichen in der Gruppe gleich 1 an

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

Ausgabe

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

Lösung mit 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

Wir können auch DataFrame.mergemit verwendenSeries.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