Memfilter DataFrame pada grup yang jumlah elemennya berbeda dari 1

Saya bekerja dengan DataFrame memiliki struktur berikut:

import pandas as pd

df = pd.DataFrame({'group':[1,1,1,2,2,2,2,3,3,3],
                   'brand':['A','B','X','C','D','X','X','E','F','X']})

print(df)

   group brand
0      1     A
1      1     B
2      1     X
3      2     C
4      2     D
5      2     X
6      2     X
7      3     E
8      3     F
9      3     X

Tujuan saya adalah untuk melihat hanya grup yang memiliki persis satu merek yang Xterkait dengannya. Karena grup nomor 2 memiliki dua pengamatan yang sama dengan merek X, itu harus disaring dari DataFrame yang dihasilkan.

Outputnya akan terlihat seperti ini:

   group brand
0      1     A
1      1     B
2      1     X
3      3     E
4      3     F
5      3     X

Saya tahu saya harus melakukan a groupbypada kolom grup dan kemudian menyaring grup-grup tersebut yang memiliki hitungan Xberbeda dari 1. Bagian filter adalah tempat saya berjuang. Bantuan apa pun akan dihargai.

Gunakan series.equntuk memeriksa apakah brandsama dengan X, lalu groupby dan transform sumdan filter grup dengan Xjumlah yang sama dengan 1:

df[df['brand'].eq('X').groupby(df['group']).transform('sum').eq(1)]

   group brand
0      1     A
1      1     B
2      1     X
7      3     E
8      3     F
9      3     X

Ini harus bekerja juga

df[df.groupby(['group'])['brand'].transform('sum').str.count('X').eq(1)]

Keluaran

 group  brand
0   1   A
1   1   B
2   1   X
7   3   E
8   3   F
9   3   X

Groupby kolom dan terapkan filter sederhana jumlah 'X'karakter dalam grup sama dengan 1

df.groupby('group').filter(lambda x: x['brand'].str.count('X').sum() == 1)

Keluaran

   group brand
0      1     A
1      1     B
2      1     X
7      3     E
8      3     F
9      3     X

Solusi dengan pd.crosstab

df[df['group'].map(pd.crosstab(df['group'],df['brand'])['X'].eq(1))]

#   group brand
#0      1     A
#1      1     B
#2      1     X
#7      3     E
#8      3     F
#9      3     X

Kita juga bisa menggunakan DataFrame.mergedenganSeries.drop_duplicates

df.merge(df.loc[df.brand.eq('X'),'group'].drop_duplicates(keep = False),on='group')
#   group brand
#0      1     A
#1      1     B
#2      1     X
#3      3     E
#4      3     F
#5      3     X