Pandas：筛选收听独特艺术家数量达标的用户

我看了你的需求和初始代码，发现两个关键问题需要调整，才能准确筛选出收听独特艺术家数量达到最小值的用户：

1. 列名不匹配：你的数据里用户列是user，但代码里写的是users，这会直接导致报错；
2. 统计逻辑错误：len(x)统计的是该用户的所有播放记录条数，而非去重后的艺术家数量，这会让筛选结果完全偏离你的目标。

下面是两种符合需求的实现方案：

方案1：先统计再筛选（直观易维护） #

这种方法先单独计算每个用户的独特艺术家数量，方便你后续查看或调整阈值，再提取目标用户的全部记录：

# 第一步：计算每个用户的独特艺术家数量
user_artist_stats = full_df.groupby('user')['artist'].nunique().reset_index(name='unique_artist_count')

# 第二步：筛选出独特艺术家数≥20的用户列表
target_users = user_artist_stats[user_artist_stats['unique_artist_count'] >= 20]['user']

# 第三步：从原数据中提取这些用户的所有播放记录
eda_df = full_df[full_df['user'].isin(target_users)]

方案2：用filter方法直接筛选（简洁版） #

如果你习惯用groupby.filter的写法，只需要把统计逻辑改成nunique()，同时修正列名即可：

# 修正列名，并使用nunique()统计独特艺术家数量
eda_df = full_df.groupby('user')['artist'].filter(lambda x: x.nunique() >= 20)

小提示 #

用你提供的样例数据测试的话，比如把阈值改成2，用户a会被保留（因为他有2个独特艺术家），完全符合你的筛选逻辑。

内容的提问来源于stack exchange，提问作者Mr. Jibz