如何用Pandas筛选出amount列值不全相同的id？

需求明确：找出所有对应amount值并非完全一致的ID——比如ID 1的amount是10、10、20，符合筛选条件；ID 2的amount全是5，就不用筛选。

先看原数据初始化代码：

import pandas as pd
df = pd.DataFrame(data={"id":[1,1,1,2,2,3,3], "amount":[10,10,20,5,5,20,10]})

数据样例：

id amount
1 10
1 10
1 20
2 5
2 5
3 20
3 10

你原来的实现步骤偏繁琐，这里给你几种更简洁高效的写法：

方法1：用nunique统计唯一值数量 #

直接分组后统计每个ID下amount的唯一值个数，筛选个数大于1的ID即可：

differ_ids = df.groupby('id')['amount'].nunique()[lambda x: x > 1].index.tolist()
print(differ_ids)  # 输出: [1, 3]

方法2：通过标准差判断 #

如果某ID的amount全相同，标准差就是0；反之标准差大于0，用这个特性筛选：

differ_ids = df.groupby('id')['amount'].std().dropna()[lambda x: x > 0].index.tolist()
print(differ_ids)  # 输出: [1, 3]

（dropna是处理可能存在单个值的ID，避免标准差计算返回NaN）

方法3：比较最大值和最小值 #

如果某ID的amount最大值不等于最小值，说明存在不同值：

differ_ids = df.groupby('id')['amount'].agg(['max', 'min']).query('max != min').index.tolist()
print(differ_ids)  # 输出: [1, 3]

这几种方法都省去了原实现中merge和apply的冗余操作，直接通过分组聚合完成筛选，代码更简洁，执行效率也更高。

内容的提问来源于stack exchange，提问作者Bera