pandas：如何检查列中的某个值是否在每个组中重复最大值一次（在 groupby 之后）

Question

我有一个 pandas DataFrame，我想按 A 列分组，并检查 B 组中的某个值（'test'）是否在每个组中重复一次以上。

是否有熊猫本机方法可以执行以下操作：
1 - 找到“测试”多次出现在 B 列中的组？
2 - 删除其他事件（保留 C 列中具有最小值的事件）。

例子：

    A   B       C
0   1   test    342
1   1   t       4556
2   1   te      222
3   1   test    56456
4   2   t       234525
5   2   te      123
6   2   test    23434
7   3   test    777
8   3   tes     665

如果我按“A”分组，我会得到“测试”在 A==1 中出现两次，这是我想要处理的情况。

Answer 1

按A,B列删除重复test值的解决方案 - 保留每组的第一个值：

df = df[df.B.ne('test') | ~df.duplicated(['A','B'])]
print (df)
   A     B       C
0  1  test     342
1  1     t    4556
2  1    te     222
4  2     t  234525
5  2    te     123
6  2  test   23434
7  3  test     777
8  3   tes     665

编辑：如果需要B中的最小C匹配test ，并且需要通过GroupBy.transform比较所有可能重复的最小C值，并在Series.mask C替换为NaN ：

m = df.B.ne('test')
df = df[m | ~df.C.mask(m).groupby(df['A']).transform('min').ne(df['C'])]

但是如果只需要首先复制test值，请使用DataFrameGroupBy.idxmin和过滤后的 DataFrame：

m = df.B.ne('test')
m1 = df.index.isin(df[~m].groupby('A')['C'].idxmin())

df = df[m | m1]

解决方案的区别：

print (df)
    A     B       C
-2  1  test     342
-1  1  test     342
 0  1  test     342
 1  1     t    4556
 2  1    te     222
 3  1  test   56456
 4  2     t  234525
 5  2    te     123
 6  2  test   23434
 7  3  test     777
 8  3   tes     665
 
m = df.B.ne('test')
df1 = df[m | ~df.C.mask(m).groupby(df['A']).transform('min').ne(df['C'])]
print (df1)
    A     B       C
-2  1  test     342
-1  1  test     342
 0  1  test     342
 1  1     t    4556
 2  1    te     222
 4  2     t  234525
 5  2    te     123
 6  2  test   23434
 7  3  test     777
 8  3   tes     665

---

m = df.B.ne('test')
m1 = df.index.isin(df[~m].groupby('A')['C'].idxmin())

df2 = df[m | m1]
print (df2)
    A     B       C
-2  1  test     342
 1  1     t    4556
 2  1    te     222
 4  2     t  234525
 5  2    te     123
 6  2  test   23434
 7  3  test     777
 8  3   tes     665