选择具有不明确值分配的数据框行

Question

我在识别模棱两可的变量匹配时遇到问题。我正在查看数据库，并希望找到标识符在整个观察期内发生变化的公司。我还有另一个永久标识符。如果表格如下所示：ID1  ID21111  11111  11111  11112  11112  11112  14444  24444  24444  2我想得到一个类似这样的简单输出：ID1   ID21111  11112  1提前谢谢了！

Answer 1

在：

df = pd.read_clipboard()

df = df.drop_duplicates()

df[df.duplicated(subset=['ID2'], keep=False)]

出去：

|   | ID1  | ID2 |

|---|------|-----|

| 0 | 1111 | 1   |

| 3 | 1112 | 1   |

Answer 2

您需要首先识别ID2具有超过 1 个 ID1（带有transform('nunique')）的 s，然后我们删除重复项。

df[df.groupby('ID2').ID1.transform('nunique').gt(1)].drop_duplicates()

#    ID1  ID2

#0  1111    1

#3  1112    1