Python 获取不同值计数大于指定值的列

设想以下Python数据帧：

df = pd.DataFrame({'id' : ['foo', 'bar', 'foo'], \
                   'A' : ['property1', 'property1', 'property2'], \
                   'B' : ['test', 'test', 'test'] })
from tabulate import tabulate
print(tabulate(df, headers='keys', tablefmt='psql'))

+----+-----------+------+------+
|    | A         | B    | id   |
|----+-----------+------+------|
|  0 | property1 | test | foo  |
|  1 | property1 | test | bar  |
|  2 | property2 | test | foo  |
+----+-----------+------+------+

在这里您可以看到，对于id“foo”列，B只有一个唯一的（不同的）值，即test。但对于列A，它有两个不同的值property1和property2。对于id“bar”，两列只有一个不同的值

我要寻找的是一段代码，它给出了计数大于1的列的名称，如果按id分组。因此，结果应该是列A的名称，因为它包含非不同的值

df.groupby(['id'])

我只知道如何获取计数（发生）大于1的ID。但这不是我最终想要的

df['id'].value_counts().reset_index(name="count").query("count > 1")["id"]

感谢您的提示。

使用：

#filter column of interest
a = (df.groupby(['id'])['A','B'].nunique() > 1).any()

print (a)
A     True
B    False
dtype: bool

#if need test all columns without id
a = (df.set_index('id').groupby('id').nunique() > 1).any()
print (a)
A     True
B    False
dtype: bool

最后一个过滤器：

b = a.index[a]
print (b)
Index(['A'], dtype='object')

---

也许你在寻找：

g = df.groupby('id')['A', 'B'].nunique()
g

     A  B
id       
bar  1  1
foo  2  1

要获取相关列，只需索引到

df.columns

：

df.columns[(g > 1).any()]
Index(['A'], dtype='object')

---

更新：

In [98]: df.columns.drop('id')[(df.groupby('id')[df.columns.drop('id')].nunique() > 1).any()]
Out[98]: Index(['A'], dtype='object')

---

说明：

In [32]: df.groupby(['id'])['A','B'].apply(lambda x: x.nunique().gt(1))
Out[32]:
         A      B
id
bar  False  False
foo   True  False

In [33]: df.groupby(['id'])['A','B'].apply(lambda x: x.nunique().gt(1)).any()
Out[33]:
A     True
B    False
dtype: bool

这是另一种方法

pd.crosstab(df.id,[df.A,df.B],margins =True)
Out[206]: 
A   property1 property2 All
B        test      test    
id                         
bar         1         0   1
foo         1         1   2
All         2         1   3

或者类似的

[x if df.groupby(['id',x]).ngroup().max()>1 else np.nan for x in df.columns]
Out[233]: ['A', nan, nan]

---

你能发布你想要的数据集吗？不，因为它是保密的。因此，我添加了一些演示数据。我指的是基于示例输入数据集的所需数据集…这就是我的想法：-），然后如何过滤该数据帧以获得列名“A”，这是唯一一个值大于1的列。@Matthias

df.columns.difference（['id']）[（df.groupby（'id'）['A'，B'].nunique（）>1）.any（）]

-->给出

一个
@Bharath df.columns包含id，而索引器不包含id。我同意，但我认为由于我们使用groupby，
id
将始终具有假值，因为没有重复项。第二个代码段也是我所想的。但我不是在寻找值，而是寻找保存这些值的列名。这是因为原始数据集大约有32列。很好，效果很好。我使用代码检查所有列，但没有设置索引。很抱歉，我没有得到IINDELING部分。但是它可以工作。@SourabhMaity-它通过布尔值过滤
a
系列的索引-因此在
a.index[a]
之后，只获取真正值的索引。尽管您仍然需要从那里获取列名。找不到方法.gt，但使用了>1。无论如何，有没有一种方法可以不使用列名a和B以及所有列的列表来获取此代码，因为原始数据有很多列需要测试。
[x if df.groupby(['id',x]).ngroup().max()>1 else np.nan for x in df.columns]
Out[233]: ['A', nan, nan]