如何用Pandas筛选并统计两类ID：仅含Purchased=1及值变化的ID

示例数据集 #

一、统计Purchased值仅为1的ID #

用groupby结合all()或nunique()就能实现：

方法1：用all()判断组内所有值都是1 #

# 筛选组内所有Purchased都是1的ID
only_1_ids = df.groupby('ID')['Purchased'].all()
# 提取符合条件的ID列表
only_1_ids = only_1_ids[only_1_ids].index.tolist()
print("Purchased仅为1的ID:", only_1_ids)
# 统计数量
print("数量:", len(only_1_ids))

方法2：用nunique()判断组内唯一值只有1 #

# 获取每个ID对应的Purchased唯一值集合
id_unique_vals = df.groupby('ID')['Purchased'].unique()
# 筛选唯一值仅为[1]的ID
only_1_ids = id_unique_vals[id_unique_vals.apply(lambda x: len(x)==1 and x[0]==1)].index.tolist()

二、统计Purchased二进制值发生变化的ID #

这类ID的核心特征是组内同时存在0和1，或者相邻行数值有切换。你之前用diff()的思路没问题，只是需要进一步判断组内是否存在变化，这里提供两种更直接的方法：

方法1：基于diff()判断组内有非0差值 #

# 计算组内相邻行的Purchased差值
df['diff'] = df.groupby('ID')['Purchased'].diff()
# 筛选组内存在非空且非0差值的ID（即出现过值变化）
changed_ids = df.groupby('ID')['diff'].apply(lambda x: (x.notna() & (x != 0)).any()).index.tolist()
print("Purchased值发生变化的ID:", changed_ids)
print("数量:", len(changed_ids))

方法2：直接判断组内唯一值数量大于1（更简洁） #

因为二进制值变化意味着组内至少有0和1两种值，直接用nunique()判断即可：

changed_ids = df.groupby('ID')['Purchased'].nunique()
changed_ids = changed_ids[changed_ids > 1].index.tolist()

完整可运行代码 #

import pandas as pd

# 构造示例DataFrame
data = {
    'ID': [100,100,100,100,101,101,101,101,102,102,102,102,103,103,103,103,104,104,104,104],
    'Purchased': [0,1,0,1,1,1,1,1,0,0,0,0,1,1,1,1,0,1,0,1]
}
df = pd.DataFrame(data)

# 统计Purchased仅为1的ID
only_1_ids = df.groupby('ID')['Purchased'].all()[lambda x: x].index.tolist()
print(f"Purchased仅为1的ID：{only_1_ids}，共{len(only_1_ids)}个")

# 统计Purchased值发生变化的ID
changed_ids = df.groupby('ID')['Purchased'].nunique()[lambda x: x>1].index.tolist()
print(f"Purchased值发生变化的ID：{changed_ids}，共{len(changed_ids)}个")

运行结果：

Purchased仅为1的ID：[101, 103]，共2个
Purchased值发生变化的ID：[100, 104]，共2个

内容的提问来源于stack exchange，提问作者Data1010