将行保留在数据框中，对于某些列值的所有组合，这些行在另一列中包含相同的元素

如果您做出以下假设，则可以为您提供要保留的 c 列的哪些元素：

df.groupby("c")["a"].count() == df.groupby("c")["a"].count().max()

输出：

c
c1     True
c2    False
c3     True
Name: a, dtype: bool

假设：

1. 没有重复项
2. c 列至少有一个值包含 a 和 b 的所有组合。

这是一种方式。获取每个组的唯一列表，然后使用 和 检查所有返回的数组中的公共元素。然后使用 和 过滤数据帧reducenp.intersect1dseries.isinboolean indexing

from functools import reduce
out = df[df['c'].isin(reduce(np.intersect1d,df.groupby(['a','b'])['c'].unique()))]

---

故障：

s = df.groupby(['a','b'])['c'].unique()
common_elements = reduce(np.intersect1d,s)
#Returns :-> array(['c1', 'c3'], dtype=object)

out = df[df['c'].isin(common_elements )]#.copy()

---

   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10

让我们尝试透视表，然后删除 ，这意味着组合中缺少一个值：NA

all_data =(df.pivot(index=['a','b'], columns='c', values='c')
             .loc[:, lambda x: x.notna().all()]
             .columns)
df[df['c'].isin(all_data)]

输出：

   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10

让我们尝试计算每个列组的唯一元素：groupbynuniquec

s = df['a'] + ',' + df['b'] # combination of a, b
m = s.groupby(df['c']).transform('nunique').eq(s.nunique())

---

df[m]

   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10

您可以将列表推导式与以下功能一起使用：str.contains

unq = [[x, len(df[(df[['a','b','c']].agg(','.join, axis=1)).str.contains(',' + x)]
                   .drop_duplicates())] for x in df['c'].unique()]
keep = [lst[0] for lst in unq if lst[1] == max([lst[1] for lst in unq])]
df = df[df['c'].isin(keep)]
df

   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10

我们可以使用 + 和 ，然后 ，这将填充缺少 'c' 组的 ['a'， 'b'] 组。然后，我们将原始 DataFrame 子集为在 dropna 中幸存下来的值。groupbysizeunstackNaNdropnac

df[df.c.isin(df.groupby(['a', 'b', 'c']).size().unstack(-1).dropna(axis=1).columns)]

   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10

---

groupby 操作的结果仅包含存在于 的所有唯一组合中的组的列，因此我们只获取 columns 属性。c['a', 'b']

df.groupby(['a', 'b', 'c']).size().unstack(-1).dropna(axis=1)

#c     c1   c3
#a b          
#x w  1.0  1.0
#  z  1.0  1.0
#y w  1.0  1.0
#  z  1.0  1.0

尝试一些差异crosstab

s = pd.crosstab([df['a'],df['b']],df.c).all()
out = df.loc[df.c.isin(s.index[s])]
Out[34]: 
   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10

假设有 4 个不同的值，如示例所示：

一个简单的解决方案可以是：

df[df['a'].groupby(df['c']).transform('count').eq(4)]

您可以使用 value_counts 并获取 和 的所有组合：ab

vc = df[['a', 'b']].drop_duplicates().value_counts()

结果：

a  b
y  z    1
   w    1
x  z    1
   w    1

然后，您可以比较每个组的计数，并筛选出缺少组合的组：vc

df.groupby('c').filter(lambda x: x[['a', 'b']].value_counts().ge(vc).all())

输出：

   a  b   c   d
0  x  z  c1   1
2  x  z  c3   3
3  x  w  c1   4
4  x  w  c3   5
5  y  z  c1   6
6  y  z  c3   7
7  y  w  c1   8
9  y  w  c3  10