熊猫：选择groupby.sum（）满足条件的行

Question

在熊猫中，我有以下形式的数据框：

>>> import pandas as pd  
>>> df = pd.DataFrame({'ID':[51,51,51,24,24,24,31], 'x':[0,1,0,0,1,1,0]})
>>> df

ID   x
51   0
51   1
51   0
24   0
24   1
24   1
31   0

对于每个“ ID”，多次记录“ x”的值，它的值是0或1。我想从中选择那些df包含“ x”至少为1的“ ID”的行。

对于每个“ ID”，我设法计算“ x”为1的次数，

>>> df.groupby('ID')['x'].sum()

ID
51    1
24    2
31    0

但是我不知道如何从这里开始。我想要以下输出：

ID   x
24   0
24   1
24   1

Answer 1

使用groupby和filter

df.groupby('ID').filter(lambda s: s.x.sum()>=2)

输出：

   ID  x
3  24  0
4  24  1
5  24  1

Answer 2

df = pd.DataFrame({'ID':[51,51,51,24,24,24,31], 'x':[0,1,0,0,1,1,0]})
df.loc[df.groupby(['ID'])['x'].transform(func=sum)>=2,:]
out:
   ID  x
3  24  0
4  24  1
5  24  1