如何在pandas中根据一列的指定值选择共享另一列值的行？

Question

实际上，我有一个数据集，里面有5281行和大约40列的数据。从中我需要选出一些特定的值，这些值在另一行中是重复的。

为了简化，我尝试把数据整理成一个只有两列的表格，分别叫做A和B。

d = {'A': [2, 1, 2, 2, 1, 1, 3, 1, 1, 2], 'B':['a', 'a', 'b', 'b', 'c', 'c', 'd', 'd', 'e', 'e']}
df = pd.DataFrame(d)

在图片中，你可以看到这个表格，我标记了我想要的部分：我想要一组A的值是(1, 2)，并且它们在B列中有相同的值。

再给你一点背景信息：我需要删除那些在某一列（这里是B列）中有重复值的行，但只有当这些重复值在另一列（这里是A列）中有特定的值（比如1和2）时。我希望能直接在这个表格上进行这些操作。

Answer 1

当然可以！请看下面的内容：

这段代码的意思是，它会检查一个条件，如果这个条件成立，就会执行某些操作。简单来说，就是在某个情况下做某件事。

如果你想让程序在特定条件下运行，比如说用户输入了正确的密码，程序就会允许他们进入。这种检查就像是一个门卫，只有在你给出正确的密码时，门卫才会让你进来。

在代码中，通常会用一些符号来表示这些条件，比如“==”表示相等，“!=”表示不相等等等。这些符号就像是程序的语言，让它知道什么时候该做什么。

希望这个解释能帮助你理解这段代码的基本意思！如果还有其他问题，随时问我哦！

# if the values in A you're interested in
values_of_interest = {1, 2}

# Identify rows with duplicates in 'B' that correspond to the set of interest in 'A'
mask = df.duplicated('B', keep=False) & df['A'].isin(values_of_interest)

# To select these rows
selected_rows = df.loc[mask]

print(selected_rows)

Answer 2

试试这个方法：

在这个解决方案中，groupby() 会返回一个序列，其中 A 的值作为 集合，B 的值作为索引。接着，我们检查每个集合是否等于目标集合。最后，我们将布尔值序列映射回原来的行数，这样就可以选择我们需要的行。

s = {1,2}
df.loc[df['B'].map(df.groupby('B')['A'].agg(set).eq(s))]

输出：

   A  B
0  2  a
1  1  a