鉴于以下系列：
sr = pd.Series([5, 5, 5, 6, 6, 6, 7, 7, 8, 8, 8])
我想找出出现 3 次的值。这是我的解决方案，它似乎有效但看起来很奇怪：
(sr.value_counts() == 3)[sr.value_counts() == 3].index.values
我还有其他/明显的方式吗？
【问题讨论】：
标签： python pandas counter series
您的逻辑很好，您只是不应该重复最昂贵的部分，即计数。将其存储在变量中并重用。您可能也不需要检索底层 NumPy 数组，pd.Index 对象通常就足够了：
sr = pd.Series([5, 5, 5, 6, 6, 6, 7, 7, 8, 8, 8])
counts = sr.value_counts()
res = counts[counts == 3].index
# Int64Index([8, 6, 5], dtype='int64')
没有现成的方法可以满足您的需求的原因是任何解决方案都需要最小的 O(n) 时间复杂度，这就是 value_counts 的复杂度。没有办法解决这个问题。
一种替代方法，基于dict 的collections.Counter，在按计数过滤时效率会降低。由于 NumPy 数组有效地存储在内存中，因此布尔过滤相对于字典迭代更有效。
【讨论】：
where(value_counts() == 3。 （我搜索了文档但找不到因此决定在这里问..）
@jpp 的答案可能是你应该选择的答案，但这里有一个奇怪的选择（只是为了好玩）：
sr.groupby(sr).filter(lambda x: len(x) == 3).unique()
#array([5, 6, 8])
【讨论】：
使用loc
sr.value_counts().loc[lambda x : x==3].index
Out[162]: Int64Index([8, 6, 5], dtype='int64')
【讨论】：
loc[]中的函数是如何工作的吗？
你也可以使用.where:
sr.where(sr.value_counts()==3).dropna().index
# Output:
Int64Index([5, 6, 8], dtype='int64')
【讨论】：
dropna。谢谢你。很有帮助。