Gostaria de saber como excluir as linhas baseado na coluna cliente_id
segue a imagem abaixo:
O Objetivo é deletar as linhas onde cliente_id
aparece somente uma vez que nesse caso seria o ID 4 e o 5, deixando o restante
Gostaria de saber como excluir as linhas baseado na coluna cliente_id
segue a imagem abaixo:
O Objetivo é deletar as linhas onde cliente_id
aparece somente uma vez que nesse caso seria o ID 4 e o 5, deixando o restante
Uma solução é usar o value_counts
# contando items
contagem = df["cliente_id"].value_counts()
# condição para que a contagem seja maior que 1
condicao = contagem.gt(1)
# criando novo df com clientes que apareçam mais de uma vez
novo_df = df[df["cliente_id"].isin(contagem.index[condicao])]
Veja como isto acontece, passo a passo:
In [1]: df = pd.DataFrame({"cliente_id": [1,2,3,4,5,1,2,4,5]})
In [2]: df
Out[2]:
cliente_id
0 1
1 2
2 3
3 4
4 5
5 1
6 2
7 4
8 5
In [3]: contagem = df["cliente_id"].value_counts()
In [4]: contagem
Out[4]:
1 2
2 2
4 2
5 2
3 1
Name: cliente_id, dtype: int64
In [5]: condicao = contagem.gt(1)
In [6]: condicao
Out[6]:
1 True
2 True
4 True
5 True
3 False
Name: cliente_id, dtype: bool
In [7]: novo_df = df[df["cliente_id"].isin(contagem.index[condicao])]
In [8]: novo_df
Out[8]:
cliente_id
0 1
1 2
3 4
4 5
5 1
6 2
7 4
8 5
In [9]:
Perceba que o cliente_id = 3
não está no novo_df
.