Eleman sayısının 1'den farklı olduğu gruplarda DataFrame filtreleme

Aşağıdaki yapıya sahip bir DataFrame ile çalışıyorum:

import pandas as pd

df = pd.DataFrame({'group':[1,1,1,2,2,2,2,3,3,3],
                   'brand':['A','B','X','C','D','X','X','E','F','X']})

print(df)

   group brand
0      1     A
1      1     B
2      1     X
3      2     C
4      2     D
5      2     X
6      2     X
7      3     E
8      3     F
9      3     X

Amacım sadece bir markaya sahip olan grupları görmekX kendileriyle ilişkili . Grup 2, markaya eşit iki gözlem Xiçerdiğinden, sonuçta elde edilen DataFrame'den filtrelenmelidir.

Çıktı şöyle görünmelidir:

   group brand
0      1     A
1      1     B
2      1     X
3      3     E
4      3     F
5      3     X

groupbyGrup sütununda bir yapmalıyım ve sonra X1'den farklı bir sayıya sahip olan grupları filtrelemem gerektiğini biliyorum . Filtreleme kısmı mücadele ettiğim yerdir. Herhangi bir yardım mutluluk duyacağız.

Eşit series.eqolup olmadığını kontrol etmek için kullanın , ardından sayının 1'e brandeşit olduğu Xgroupby ve transform sumve filtre grupları X:

df[df['brand'].eq('X').groupby(df['group']).transform('sum').eq(1)]

   group brand
0      1     A
1      1     B
2      1     X
7      3     E
8      3     F
9      3     X

Bu da işe yaramalı

df[df.groupby(['group'])['brand'].transform('sum').str.count('X').eq(1)]

Çıktı

 group  brand
0   1   A
1   1   B
2   1   X
7   3   E
8   3   F
9   3   X

Groupby sütun ve 'X'eşit gruptaki karakter sayısı basit bir filtre uygulayın 1

df.groupby('group').filter(lambda x: x['brand'].str.count('X').sum() == 1)

Çıktı

   group brand
0      1     A
1      1     B
2      1     X
7      3     E
8      3     F
9      3     X

İle çözüm pd.crosstab

df[df['group'].map(pd.crosstab(df['group'],df['brand'])['X'].eq(1))]

#   group brand
#0      1     A
#1      1     B
#2      1     X
#7      3     E
#8      3     F
#9      3     X

Biz de kullanabilirsiniz DataFrame.mergeileSeries.drop_duplicates

df.merge(df.loc[df.brand.eq('X'),'group'].drop_duplicates(keep = False),on='group')
#   group brand
#0      1     A
#1      1     B
#2      1     X
#3      3     E
#4      3     F
#5      3     X