在 Pandas 中选择 ID 相同但值不同的行 [英] Select Rows with Same Id but different Values in Pandas

问题描述

我知道这在数据库软件中是可行的，但有没有办法在 Python Pandas 中做到这一点?

I know this is possible in database software but is there any way to do it in Python Pandas?

ID1         ID2      Value
1209345     1203     2
1209345     1204     3 <-----
1209345     1205     4
1209345     1203     2
1209345     1204     7 <-----
1209346     1203     1
1209347     1204     5

我有 ID1，与此相对应，我有多个 ID2 映射到一个值.我需要找到 ID1 和 ID2 匹配但值不同的所有条目.

I have ID1 and, corresponding to that, I have multiple ID2s mapped with a value. I need to find all entries where ID1 and ID2 are matching but the values are different.

我当前的代码统计了ID1和ID2的唯一组合数，但没有计算每个组合的唯一Value:

My current code counts the number of unique combinations of ID1 and ID2, but does not account for unique Value for each combination:

print(df.groupby(['ID1', 'ID2']).size())

ID1      ID2 
1209345  1203    2
         1204    2
         1205    1
1209346  1203    1
1209347  1204    1
dtype: int64

注意:这个问题是为@RohitGirdhar 发布的，他删除了他的原始问题.我发布的解决方案不一定是唯一的或最好的；鼓励其他答案.

Note: This question is posted for @RohitGirdhar who deleted his original question. The solution I post is not necessarily the only or best one; other answers are encouraged.

推荐答案

您可以使用 nunique 和 transform:

You can filter with nunique and transform:

df = df[df.groupby(['ID1', 'ID2'])['Value'].transform('nunique') > 1]

print (df)
       ID1   ID2  Value
1  1209345  1204      3
4  1209345  1204      7

这篇关于在 Pandas 中选择 ID 相同但值不同的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！