Filtrowanie DataFrame w grupach, w których liczba elementów jest inna niż 1

Pracuję z DataFrame o następującej strukturze:

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

Moim celem jest wyświetlenie tylko tych grup, które są powiązane z jedną marką X. Ponieważ grupa nr 2 ma dwie obserwacje równe marce X, należy ją odfiltrować z wynikowej DataFrame.

Dane wyjściowe powinny wyglądać następująco:

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

Wiem, że powinienem zrobić groupbyw kolumnie grupy, a następnie odfiltrować te grupy, których liczba jest Xinna niż 1. Część filtrująca jest tam, gdzie walczę. Każda pomoc będzie mile widziana.

Użyj, series.eqaby sprawdzić, czy brandjest równy X, a następnie grupuj transform sumi filtruj grupy, w których Xliczba jest równa 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

To też powinno działać

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

Wynik

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

Pogrupuj kolumny i zastosuj prosty filtr liczby 'X'znaków w grupie równej 1

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

Wynik

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

Rozwiązanie z 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

Możemy również używać DataFrame.mergezSeries.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