dataframe形式fileにおいて、ある列に複数回登場する要素のみをとりだして、新しくfileを定義し直したいです。

Question

以下の様な"df"というdataframe fileにおいて"ID"という列に複数回登場する要素(ここでは"A","C"が相当)のみをとりだして、新しく"df"を定義したいと考えています(今回だと"ID"が"A" or "C"である、index=0,2,4,5を取り出したいです)。以下の様に記載しましたが、

In:
df = pd.DataFrame({"ID": ["A", "B","C", "D", "A", "C"],
                  "result":[1,2,3,4,5,6]})

for i in range(len(df)):
    if df["ID"].value_counts()["df["ID"][i]"] = 1:
        df = df.drop(index = i)
    else:
        df = df

df.head()

Out:
File "<ipython-input-40-1b0975bb15fc>", line 5
    if df["ID"].value_counts()["df["ID"][i]"] = 1:
                                     ^
SyntaxError: invalid syntax

とerrorがでてしまします。(☆errorがでている箇所の""を削除してみても結果は同じです)

上記の問題点と、もしより簡潔に目的のcodeが書けるようならご教授をお願い致します。

Answer 1

ループを使うのであれば、df['ID'].unique() ID列の要素にて行うと良いかと思います。

for id in df['ID'].unique():
    if df["ID"].value_counts()[id] == 1:
        df = df[df['ID'] != id]

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.unique.html

ループを使わないのであれば、質問のサンプルで使用している value_counts() を利用して

tmp = df["ID"].value_counts()
df = df.loc[df['ID'].isin(tmp[tmp > 1].index)]

のように書くこともできますね。

Comments

[pickle]

>magichanさん
丁寧にご回答ありがとうございました！
loopの方法と、value_counts()の方法ともに理解することができました。

ちなみに、自分が記載したcodeでerrorがでて処理できなかったのはなぜだかわかりますでしょうか？
もし分かればお教え頂けますと幸いです。

[magichan]

エラーの原因は
if df["ID"].value_counts()["df["ID"][i]"] = 1:
の行、
(1) ”df["ID"][i]”
の部分で ダブルクォーテーション("") の中で ダブルクォーテーション("") を使用することは出来ません（現在出ているエラーの原因はこれ）
"" の中で使うならばシングルクォーテーション（''）を使用するべきでしょうね・・・
(2) そもそも外側のダブルクォーテーションはいらない
（1）で「"" の中で使うならばシングルクォーテーションを使用するべき（キリッ）」と言っておいてなんですが、そもそも外側のダブルクォーテーションはなんの為についているか不明です。削除で良いのではないでしょうか。
(3) 同じ行の比較演算子にて、Pythonの等値比較演算子は '==' ですので '=' の部分を'=='に修正しましょう。
ということで、この行を
if df["ID"].value_counts()[df["ID"][i]] == 1:
とするとエラーはなくなると思います。

[pickle]

>magichanさん
早速ご回答ありがとうございます！
本当ですね、正しくできました。
比較演算子についての単純なミスすみませんでした。
またｸｫﾃｰｼｮﾝについても丁寧に解説頂きありがとうございます。

とてもすっきりしました！今後とも何卒宜しくお願い致します。