如何在python中过滤两列的基础上返回重复数目的dataframe

您好，我是python新手，我正在尝试根据其他两列上的多个条件获取ID列的重复计数。所以我过滤掉红色和0，然后我想要重复多次的ID

ID group categories
1    0          red
2    1          blue
3    1          green
4    1          green
1    0          blue
1    0          blue
2    1          red
3    0          red
4    0          red
4    1          red

“类别”列中几乎有10个类别，因此我在想是否有任何方法可以编写函数或for循环，而不是重复相同的步骤。最终目标是查看给定类别的每个组中有多少重复ID为“红色”/“蓝色”/“绿色”。提前谢谢 注：组值不变，它是一个二项式变量

df1 = df[(df['categories']=='red')& (df['group'] == 0)]
df1['ID'].value_counts()[df1['ID'].value_counts()>1]

---

我认为您可以将

groupby

用于：

另一种解决方案是先使用过滤，然后计数，以获取重复项：

s = df.groupby(['ID','group'])['categories'].value_counts()
print (s)
ID  group  categories
1   0      blue          2
           red           1
2   1      blue          1
           red           1
3   0      red           1
    1      green         1
4   0      red           1
    1      green         1
           red           1
Name: categories, dtype: int64

out = s[s > 1].reset_index(name='count')
print (out)
   ID  group categories  count
0   1      0       blue      2

编辑：对于每个

ID

的计数类别（所有行），请使用：

---

我认为您可以将

groupby

用于：

另一种解决方案是先使用过滤，然后计数，以获取重复项：

s = df.groupby(['ID','group'])['categories'].value_counts()
print (s)
ID  group  categories
1   0      blue          2
           red           1
2   1      blue          1
           red           1
3   0      red           1
    1      green         1
4   0      red           1
    1      green         1
           red           1
Name: categories, dtype: int64

out = s[s > 1].reset_index(name='count')
print (out)
   ID  group categories  count
0   1      0       blue      2

编辑：对于每个

ID

的计数类别（所有行），请使用：

---

您能否（通过编辑您的问题）提供更多关于您正在尝试做什么以及“可重用的函数”的详细信息。您的代码不会输出重复的ID。最后应用

len

将返回找到的唯一重复ID的数量，以及您试图重新使用的确切内容？是的，很抱歉，我在发布时忘记删除它。。Thankso示例数据的预期输出是什么？这与我的答案不同？一个数据框/包含所有重复ID和它们的计数..谢谢你（通过编辑你的问题）提供了更多关于你正在尝试做什么以及你所说的“一个可以重用的函数”的详细信息。你的代码不会输出重复的ID。最后应用

len

将返回找到的唯一重复ID的数量，以及您试图重新使用的确切内容？是的，很抱歉，我在发布时忘记删除它。。Thankso示例数据的预期输出是什么？这与我的答案不同？一个数据框/包含所有重复的ID和它们的计数..谢谢

df = df[df.duplicated(['ID','group','categories'], keep=False)]
print (df)
   ID  group categories
4   1      0       blue
5   1      0       blue

df1 = df.groupby(['ID','group'])['categories'].value_counts().reset_index(name='count')
print (df1)
   ID  group categories  count
0   1      0       blue      2

df1 = df.groupby('ID').size().reset_index(name='count')
print (df1)
   ID  count
0   1      3
1   2      2
2   3      2
3   4      3