Можно так

f = lambda x: x.column_name.count() == 1
df.groupby(column_name).filter(f)

Я бы сделал так:


from collections import Counter

import pandas as pd

url = 'https://vk.com/doc207845555_611573740'
data = pd.read_csv(url, sep='\t')

ones = []
c = Counter(data['user_id'])
for k, v in c.items():
   if v == 1:
       ones.append(k)

data_ones = data[data['user_id'].isin(ones)]
print(data_ones.head())

Зачем так сложно, если можно просто drop_dudlicates применить?

df. drop_dudlicates(subset='первая колонка', keep=False)

Согласен!))

Могу предложить работенку, кому надо?

Оставит уникальные строки, а не отфильтрует значения, которых больше одного

А разница в чём?

1, 2, 2, 3, 3, 3, 4
drop_duplicates оставит 1, 2, 3, 4
отфильтровать значения которых больше одного: 1, 4

нет

ааа, keep
тогда ок, да

не знал про этот аргумент

бывает)

Крутой метод

Всем привет! Ребят подскажите пжл с Json
Структура
{"A":  
       {"title": "Наименование"
         "value": "Карандаш"...
},..
{"B":  
       {"title": "Город"
         "value": "Москва"...
},...
.
.

При нормализации пока получается:
A.tittle                     В.value          С.title      D.value    E.title  F.value
Наименование  Карандаш   Город     Москва   Цена     10
Наименование  Пенал            Город      Питер     Цена     15
Наименование  Ручка             Город      Самара   Цена    20

Как исправить, чтобы получилось:
Наименование | Город      |Цена
Карандаш            |Москва    |10
Пенал                      |Питер      |15  
Ручка                        |Самара   |20

Мне кажется проще всего пересоздать на этой основе DF

сейчас это в какой форме существует? датафрема?

да

Очевидно, B, c, f мы сохраняем