如何在分组后的DataFrame列中筛选唯一值数量>1的host_id？

你完全不需要先将host_name聚合为列表，直接利用Pandas内置的分组聚合函数就能高效实现需求，避免遍历操作：

方法1：直接筛选符合条件的host_id #

先通过分组计算每个host_id对应的唯一host_name数量，再筛选数量大于1的项：

# 计算每个host_id的唯一host_name数量
unique_name_counts = df.groupby('host_id')['host_name'].nunique()

# 筛选出唯一名称数大于1的host_id
target_host_ids = unique_name_counts[unique_name_counts > 1].index.tolist()

方法2：保留唯一名称详情 #

如果需要同时查看每个host_id对应的所有唯一名称，可同时聚合数量和唯一值：

# 分组聚合，同时得到唯一名称数量和具体的唯一名称列表
grouped_result = df.groupby('host_id')['host_name'].agg(
    unique_count='nunique',
    unique_names='unique'
)

# 筛选出唯一名称数大于1的记录
filtered_result = grouped_result[grouped_result['unique_count'] > 1]

为什么这个方法更优？ #

Pandas的内置聚合函数（如nunique）是底层优化的向量化操作，比先转列表再遍历计算唯一值的方式效率高得多，尤其在数据量较大时，能显著节省内存和计算时间。

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