Pandas Groupby Select 在一列中具有多个唯一值的组

Question

我有一些关于一些艺术家、他们的专辑和他们的曲目的信息的 dataframe。

df = pd.DataFrame({'Artist': ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'C', 'C', 'D', 'E'], 'AlbumId': [201, 201, 451, 390, 390, 272, 272, 698, 698, 235, 312], 'TrackId': [1022, 3472, 9866, 6078, 2634, 3411, 8673, 2543, 5837, 9874, 1089]})

艺术家 A 有 2 张专辑（201 和 451），其中一张有 2 首曲目（1022 和 3472），一张有 1 首曲目（9866）。

艺术家 B 有 1 张专辑 (390) 和 2 首曲目 (6078 和 2634)。

艺术家 C 有 2 张专辑（272 和 698），每张专辑有 2 首曲目。

艺术家 D 有 1 张专辑 (235) 和 1 首曲目 (9874)。

艺术家 E 有 1 张专辑 (312) 和 1 首曲目 (1089)。

我想找到拥有超过 1 张专辑的艺术家，并相应地获取这些艺术家的行。 我想要的 output 看起来像这样：

我努力了：

groupedArtists = data.groupby(['ArtistId', 'AlbumId']).filter(lambda group: (group.AlbumId.nunique() > 1))

但它似乎没有按预期工作。

有人可以帮我吗？ 我很感激！

Answer 1

您只想按ArtistId ，而不是AlbumId ：

groupedArtists = data.groupby(['Artist']).filter(lambda x: x['AlbumId'].nunique() > 1)

Output：

>>> groupedArtists
  Artist  AlbumId  TrackId
0      A      201     1022
1      A      201     3472
2      A      451     9866
5      C      375     1022
6      C      412     9866
7      C      375     3472
...

Answer 2

分组应该完全由Artist 。

然后，对于每个组，检查它包含多少（不同）专辑，并只选择拥有超过 1 张专辑的组。

所以正确的解决方案是：

data.groupby('Artist').filter(lambda grp: grp.AlbumId.nunique() > 1)

Answer 3

这是我找到的解决方案，它有点冗长，但可能更容易理解：

counted = df.groupby(['Artist']).size().reset_index(name='counts')
df[df['Artist'].isin(counted[counted.counts > 1].Artist)]

Answer 4

您可以根据专辑数量创建聚合的 DataFrame，然后过滤您想要的专辑数量

stats = df.groupby(['Artist'])['AlbumId'].count().reset_index()
morethan1 = stats.loc[stats['AlbumId'] >1]