能否用Pandas的value_counts替代groupby+filter筛选指定行？

这里提供两种简洁的实现方式：

方法一：结合isin()筛选 #

先通过value_counts()找出b列中出现次数≥2的值，再用isin()过滤原DataFrame：

# 提取b列中出现次数超过1次的取值
valid_b_values = df['b'].value_counts()[df['b'].value_counts() > 1].index
# 过滤出符合条件的行
filtered_df = df[df['b'].isin(valid_b_values)]

方法二：用map()映射计数后过滤 #

直接将每个b值的出现次数映射到对应行，再筛选计数大于1的行：

# 生成b列各值的计数映射表
b_count_map = df['b'].value_counts()
# 映射计数并过滤
filtered_df = df[df['b'].map(b_count_map) > 1]

两种方法都能得到和df.groupby(by=['b']).filter(lambda b: len(b) > 1)完全一致的结果——保留b列值为x、z的所有行，剔除b为y的行。

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