仅保留熊猫数据框中的重复行

Question

我有一个包含两列的数据框：“代理”和“客户端” 每行对应于代理和客户端之间的交互。

如果客户端与至少两个代理进行交互，我只想保留行。

我该怎么做？

Answer 1

使用groupby和transform通过value_counts。

df[df.Agent.groupby(df.Agent).transform('value_counts') > 1] 

注意，即，为mentioned here，你可能有一个代理与同一客户多次交互。这可能被保留为误报。如果你不希望这样，您可以过滤前添加drop_duplicates电话：

df = df.drop_duplicates() 
df = df[df.Agent.groupby(df.Agent).transform('value_counts') > 1] 

---

print(df) 
    A B 
0 1 2 
1 2 5 
2 3 1 
3 4 1 
4 5 5 
5 6 1 

mask = df.B.groupby(df.B).transform('value_counts') > 1 
print(mask) 
0 False 
1  True 
2  True 
3  True 
4  True 
5  True 
Name: B, dtype: bool 

df = df[mask] 
print(df) 
    A B 
1 2 5 
2 3 1 
3 4 1 
4 5 5 
5 6 1