我可以使用 pandas 根据组大小选择行吗？还是我必须使用 SQL？

Question

有了 pandas，我可以使用 df.groupby('product_name').size() 进行分组。但是，如果我只对“product_name”唯一的行感兴趣，即那些 groupby.size 等于 1 的记录，我如何过滤 df 以仅查看这些行？换句话说，我可以根据属性在数据库中出现的次数使用 pandas 对数据库执行过滤吗？ （我可以用 SQL 做到这一点。）

Answer 1

我发现transform 对于非常大的数据帧比filter 更有效率：

row_group_sizes = (
    df['product_name']
    .groupby(df['product_name'])
    .transform('size')
)

df[row_group_sizes==1]

或者，在一行中：

df[df['product_name'].groupby(df['product_name']).transform('size')==1]

Answer 2

我已经使它与records.groupby('product_name').filter(lambda x: len(x['url']) == 1) 一起工作。请注意，仅使用 len(x) 是行不通的。对于具有多于两列的数据框（这可能是现实生活中的大多数数据框），必须为 x 指定一列：任何列，但要分组的列除外。此外，此代码最初对我不起作用，因为我在数据帧上的索引不是唯一的。我不确定为什么这会干扰过滤功能，但确实如此。重新索引数据框后，我终于让它工作了。