python - 在 pandas 中使用 groupby 过滤数据

Question

我有一个 DataFrame，其中包含以下数据。每行代表出现在电视剧每一集中的一个词。如果一个词在一集中出现 3 次，则 pandas 数据框有 3 行。现在我需要过滤一个单词列表，这样我应该只得到出现次数大于或等于 2 次的单词。我可以通过 groupby 来做到这一点，但是如果一个词出现 2 次(或者说 3、4 或 5 次)，我需要它的两行(3、4 或 5)。

通过 groupby，我只会得到唯一的条目和计数，但我需要条目重复出现在对话中的次数。有没有一种方法可以做到这一点？

       dialogue  episode
0         music        1
1   corrections        1
2       somnath        1
3         yadav        5
4          join        2
5     instagram        1
6          wind        2
7         music        1
8    whimpering        2
9         music        1
10         wind        3

所以我应该理想地得到，

   dialogue  episode
0     music        1
6      wind        2
7     music        1
9     music        1
10     wind        3

因为只有这 2 个单词出现次数超过或等于 2 次。

Answer 1

您可以使用 groupby 的 filter :

In [11]: df.groupby("dialogue").filter(lambda x: len(x) > 1)
Out[11]:
   dialogue  episode
0     music        1
6      wind        2
7     music        1
9     music        1
10     wind        3