Pandas技术实现：筛选拥有两种及以上唯一偏好的用户ID并保留对应数据

我来帮你搞定这个问题！其实用pandas的groupby配合筛选就能轻松实现需求，咱们一步步来：

步骤分解 #

• 第一步：统计每个用户的唯一偏好数量
  用groupby按userId分组，然后对preference列统计唯一值的数量，这样就能知道每个用户有多少种不同的偏好。
• 第二步：筛选符合条件的用户ID
  从第一步的结果里，找出唯一偏好数量≥2的用户ID。
• 第三步：过滤原DataFrame
  用筛选出来的用户ID，去原DataFrame里保留对应的行。

完整代码示例 #

首先构造初始DataFrame：

import pandas as pd

# 你的初始数据
df = pd.DataFrame({
    'userId': [1, 2, 2, 3, 3, 3, 4, 4],
    'preference': ['coffee', 'cake', 'tea', 'tea', 'tea', 'tea', 'apple', 'tea']
})

然后执行筛选逻辑：

# 1. 统计每个用户的唯一偏好数
user_pref_count = df.groupby('userId')['preference'].nunique()

# 2. 获取有效用户ID（唯一偏好数≥2）
valid_user_ids = user_pref_count[user_pref_count >= 2].index

# 3. 过滤原DataFrame得到结果
result_df = df[df['userId'].isin(valid_user_ids)]

# 查看结果
print(result_df)

运行后输出的结果就是你想要的：

userId preference
1       2        cake
2       2         tea
6       4       apple
7       4         tea

简化版代码 #

如果想更简洁，也可以把步骤合并成一行：

result_df = df[df['userId'].isin(df.groupby('userId')['preference'].nunique().loc[lambda x: x >=2].index)]

这样就完美实现了剔除只有一种唯一偏好的用户，保留拥有两种及以上偏好的用户数据啦！

内容的提问来源于stack exchange，提问作者user5844628