Python 熊猫，按计数过滤

我正试图通过

id

的出现次数来过滤数据帧

id    date
1     2018-05-06
1     2018-05-08
1     2018-05-11
2     2018-06-02
2     2018-06-16
3     2018-06-04
3     2018-06-09
4     2018-06-06
4     2018-06-11
4     2018-06-17

我想过滤出现3次的

id

值，因此得到的过滤数据框应该如下所示：

id    date
1     2018-05-06
1     2018-05-08
1     2018-05-11
4     2018-06-06
4     2018-06-11
4     2018-06-17

我以前试过使用下面的代码，这是我从另一篇StackOverflow文章中得到的。该代码起初是有效的，但大约半小时后我使用它时，它给了我一个错误“lambda不能包含赋值”：

---

我不知道为什么这段代码以前工作，现在给我这个错误。有什么帮助吗？

我想您需要比较每组的长度：

graphview3 = df.groupby('id').filter(lambda x: len(x) == 3)

或与

size

配合使用：

在您的解决方案中，需要使用double

==

进行比较，更常见的方法是使用exclude

NaN

s作为计数值（但在这里它工作得很好，因为

groupby

默认情况下会在

id

中删除带有

NaN

s的行）：

---

非常感谢。你知道为什么我以前使用的代码在某一点上工作，然后给我“lambda不能包含赋值”错误吗？“@bbk611-当然，在

=3

中只有一个

=

，但是需要

==3

，我真傻。没有意识到这是一个布尔值。谢谢，谢谢！我需要学习如何编写更快、更高效的代码。这个方法比下面的len（）和transform（）方法快吗？在我的机器上，我的是2.14ms，来自Jezrael的是2.77和2.3。我认为你应该在你的机器上为你的完整数据帧计时&然后决定。

graphview3 = df.groupby('id').filter(lambda x: len(x) == 3)

graphview3 = df[df.groupby('id')['id'].transform('size') == 3]
print (graphview3)
   id        date
0   1  2018-05-06
1   1  2018-05-08
2   1  2018-05-11
7   4  2018-06-06
8   4  2018-06-11
9   4  2018-06-17

graphview3 = df.groupby('id').filter(lambda x: x['id'].count()==3)

graphview3 = df.loc[df['id'].map(df['id'].value_counts()) == 3]