Python 3.x 返回共享值且至少有一个条件与另一个条件匹配的行

我正在寻找一个优雅而高效的解决方案。 我找到了一个又快又脏的解决办法。但我想知道是否还有更“熊猫式”的方法

我有一个pd数据帧：

Id   Value
T4    0.4
T5    0.3
T5    0.9
T5    1
T6    0.8
T7    0.2
T7    0.8

---

我想检索至少出现两次且至少有一行值的id我找不到更有效的内置函数，但我想到了以下几点：

counts = df['Id'].value_counts()
filtered = df[(df['Value'] <= 0.4) & ([counts[i] > 2 for i in df['id']])]

counts=df['Id'].value_counts（）
过滤=df[（df['id']]中i的df['Value']2]

我找不到更有效的内置函数，但我想到的是：

counts = df['Id'].value_counts()
filtered = df[(df['Value'] <= 0.4) & ([counts[i] > 2 for i in df['id']])]

counts=df['Id'].value_counts（）
过滤=df[（df['id']]中i的df['Value']2]

这可以通过

groupby

完成：

g = df.groupby('Id')['Value']

df[g.transform('size').ge(2) & g.transform('min').le(0.4)]

输出：

   Id  Value
1  T5    0.3
2  T5    0.9
3  T5    1.0
5  T7    0.2
6  T7    0.8

如果您只需要

ID

，我们可以：

g = df.groupby('Id')['Value'].agg(['size','min'])
g.index[g['size'].ge(2) & g['min'].le(0.4)]

其中：

Index(['T5', 'T7'], dtype='object', name='Id')

---

这可以通过

groupby

完成：

g = df.groupby('Id')['Value']

df[g.transform('size').ge(2) & g.transform('min').le(0.4)]

输出：

   Id  Value
1  T5    0.3
2  T5    0.9
3  T5    1.0
5  T7    0.2
6  T7    0.8

如果您只需要

ID

，我们可以：

g = df.groupby('Id')['Value'].agg(['size','min'])
g.index[g['size'].ge(2) & g['min'].le(0.4)]

其中：

Index(['T5', 'T7'], dtype='object', name='Id')