numpy unique无法过滤特定列值相同分组的问题及修复

看起来你遇到的问题是groupby.filter没有按预期过滤分组，明明应该返回空DataFrame却有残留行。结合你使用的旧版本pandas/numpy，我来帮你排查可能的原因并给出修复方法：

可能的原因及对应修复 #

1. 使用numpy的unique不如pandas原生nunique可靠 #

在pandas 0.22.0和numpy 1.14.3的组合中，np.unique处理字符串类型的列时可能存在潜在的兼容性问题（比如对特殊字符、空格的处理）。而pandas的nunique()方法是专门为DataFrame/Series设计的，更适配字符串数据，结果更稳定。

修复代码：

import pandas as pd
import numpy as np

# 先清理字符串字段（可选但推荐）
df['account_no'] = df['account_no'].str.strip()
df['ext_id'] = df['ext_id'].str.strip()
df['int_id'] = df['int_id'].str.strip()

# 替换np.unique为nunique()，同时用and替代&（标量逻辑判断更清晰）
filtered_df = df.groupby(['account_no', 'ext_id', 'amount']).filter(
    lambda x: len(x) > 1 and x.int_id.nunique() != 1
)

2. 字符串字段存在隐形空格导致分组错误 #

你提到部分account_no仅含单个空格，其他字符串字段也可能存在前后空格、制表符等隐形字符，这会让看起来相同的字段值被分成不同的分组。比如'2665057'和' 2665057'会被识别为不同的account_no，进而形成独立分组，如果某个分组恰好满足int_id不全相同的条件，就会被保留下来。

处理方式：
在分组前先对所有字符串字段执行str.strip()清理，上面的修复代码已经包含了这一步。

3. 浮点数精度问题导致分组异常 #

amount是float类型，浮点数的存储精度问题可能导致看起来相同的数值被判定为不同值（比如439.504062实际存储为439.5040619999999和439.5040620000001），进而生成额外分组。

修复方式：
对amount进行四舍五入，统一精度后再分组：

# 根据你的数据精度，四舍五入到6位小数
df['amount'] = df['amount'].round(6)

验证方案 #

按上述步骤处理后，再运行分组过滤代码，应该就能得到预期的空DataFrame了。你可以先单独检查分组情况，确认每个分组的int_id是否真的全部相同：

# 查看每个分组的int_id唯一值数量
group_info = df.groupby(['account_no', 'ext_id', 'amount'])['int_id'].nunique()
print(group_info)

如果所有分组的nunique值都是1，那过滤后自然会返回空DataFrame。

内容的提问来源于stack exchange，提问作者daiyue