基于分组频率新增列及直接删除频率为1行的Pandas实现方案

首先给出你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'vehicle_id': [0,0,0,0,0,1,1,1,1,1,1,1,1,2,2,2],
    'trip': [0,0,0,1,1,0,0,1,1,1,1,1,2,0,1,2]
})

需求一：新增frequency列并删除频次为1的行 #

最优实现是用groupby+transform，高效给每个分组内的trip值计算频次并广播到每一行，再筛选掉频次等于1的行：

# 新增frequency列：按vehicle_id和trip分组，计算每组大小，用transform广播到每行
df['frequency'] = df.groupby(['vehicle_id', 'trip'])['trip'].transform('size')

# 删除频次等于1的行
df_final = df[df['frequency'] != 1].reset_index(drop=True)

transform会保留原始DataFrame的索引结构，无需额外合并操作，效率拉满，适合处理大规模数据，运行后就能得到你要的中间结果和最终结果。

需求二：不新增列直接删除分组内频次为1的行 #

有两种简洁实现方式：

方法一：用transform直接筛选 #

# 计算每个(vehicle_id, trip)组的大小，直接保留大小>1的行
df_final = df[df.groupby(['vehicle_id', 'trip'])['trip'].transform('size') != 1].reset_index(drop=True)

方法二：用groupby的filter方法 #

# 按(vehicle_id, trip)分组，筛选出组内行数>1的所有行
df_final = df.groupby(['vehicle_id', 'trip']).filter(lambda x: len(x) > 1).reset_index(drop=True)

两种方法都能达成目标：transform方式性能更优，适合大数据量；filter代码可读性更强，逻辑更直观。

内容的提问来源于stack exchange，提问作者Mohammad.sh