从SQL到熊猫/ python的示例分组

Question

假设我正在尝试查找表中一对值的重复项数量。 列是“ A”和“ B” 我可以做

select A, B, count(*) as counter from table group by A, B

事实上，我也可以做到

select A, B from (select A, B, count(*) as counter from table group by A, B) where counter >= 2

仅处理具有n个重复项的值。

如何在熊猫中做同样的事情？

我可以做到

df.groupby(["A", "B"].count(), 

但这给了我每个元素，我只想限制在那些count> = 2

例如，如果我有：

   A  B  C
0  x  a  1
1  x  a  1
2  x  b  2
3  y  b  3
4  y  a  1

我想标识前两列，因为groupby（）的计数为2（重复对（x，a））。 对于任何值，我都想做同样的事情，而不仅仅是2。

Answer 1

好像您可以在groupby之后进行过滤

df.groupby(["A", "B"])['A'].count().loc[lambda x : x>2]

更新duplicated

df[df.duplicated(['A','B'],keep=False)]
Out[1178]: 
   A  B  C
0  x  a  1
1  x  a  1

transform用于不同的

n=2

df[df.groupby(['A','B'])['A'].transform('count')==n]