如何在不删除/删除其他重复行的情况下对 1 列中具有重复值的行和另一列中具有不同值的行进行分组？

Question

我有一个大约有 12K+ 行和 16 列的数据框。有些行是重复的，这很好，但我想将那些在 1 列重复但在这一特定列不同的行分组。一个简单的例子，参考下面：

ID    Plate_Number          
A     SWD1314
A     SKT5721
B     SKT1419
B     SKT1419
C     MNJ1009
C     MNJ1009

现在，我想要的输出是获得 ID A 而不是 B 的客户。基本上，我想看到一个客户

我希望结果是这样的： DF 仅适用于客户 A

ID    Plate_Number          
A     SWD1314
A     SKT5721

DF 仅适用于客户 B 和 C :

ID    Plate_Number 
B     SKT1419
B     SKT1419
C     MNJ1009
C     MNJ1009

我尝试过使用 groupBy :

df.groupby(['ID'])

我也试过：

mask = df.duplicated(subset=['ID'], keep=False)
df[mask]

但他们都会在列表中给客户 B 和 C。我想获得具有不同车牌号的重复 ID。一定有一种我不知道的方法可以只获取客户 A，而不是 B 和 C。谢谢。

编辑：如果可能，我不想删除客户 B 和 C，因为它们仍然相关，只是客户 A 属于另一个组，而客户 B 和 C 属于另一个组。

编辑：增加了 1 个预期结果，即客户 B 和 C 的 DF。

Answer 1

带有 drop_duplicates 的替代方案：

df.drop_duplicates(subset=['ID', 'Plate_Number'], keep=False)

输出：

  ID Plate_Number
0  A      SWD1314
1  A      SKT5721