我可以用pandas根据组大小选择行吗？还是必须使用SQL？

Question

在使用pandas的时候，我可以通过 df.groupby('product_name').size() 来进行分组。但是如果我只想要那些“product_name”是唯一的行，也就是说那些分组后数量为一的记录，我该如何过滤数据框（df）来只显示这些行呢？换句话说，我能不能用pandas根据某个属性在数据库中出现的次数来进行过滤？（我用SQL可以做到这一点。）

Answer 1

我发现对于非常大的数据表，使用 transform 比 filter 要高效得多：

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

df[row_group_sizes==1]

或者，用一行代码来写：

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

Answer 2

我用 records.groupby('product_name').filter(lambda x: len(x['url']) == 1) 让它运行起来了。需要注意的是，单纯用 len(x) 是不行的。如果你的数据表有超过两列（这在实际数据中很常见），你必须为 x 指定一列：可以是任何列，但不能是你用来分组的那一列。此外，最开始这段代码对我没用，因为我数据表的索引不唯一。我也不太明白为什么这会影响过滤功能，但确实是这样。在重新设置了数据表的索引后，我终于让它正常工作了。