第一步是找到具有超过1个唯一Country的名称，然后您可以在dataframe上使用loc来过滤这些值。

方法一：groupby

# groupby name and return a boolean of whether each has more than 1 unique Country
multi_country = df.groupby(["Name"]).Country.nunique().gt(1)

# use loc to only see those values that have `True` in `multi_country`:
df.loc[df.Name.isin(multi_country[multi_country].index)]

   Name Country
2  Mary      US
3  Mary  Canada
4  Mary      US

方法二：drop_duplicates和value_counts

您可以遵循相同的逻辑，但使用drop_duplicates和value_counts而不是groupby：

multi_country = df.drop_duplicates().Name.value_counts().gt(1)

df.loc[df.Name.isin(multi_country[multi_country].index)]

   Name Country
2  Mary      US
3  Mary  Canada
4  Mary      US

方法三：drop_duplicates和duplicated
注意：这将给予略有不同的结果：你只会看到玛丽的独特价值观，这可能是也可能不是所希望的…

您可以删除原始帧中的重复项，并仅返回在已消除重复项的帧中具有多个条目的名称：

no_dups = df.drop_duplicates()

no_dups[no_dups.duplicated(keep = False, subset="Name")]

   Name Country
2  Mary      US
3  Mary  Canada

首先，你可以按Name列分组，然后将Country列组合成列表。然后检查此列表中的值是否都相同。
此外，您可以使用布尔索引来选择具有不同值的行。

s = df.groupby('Name')['Country'].agg(list).apply(lambda l: all(map(lambda x: x == l[0], l)))

df_ = df[df['Name'].isin(s[~s].index)].drop_duplicates()

print(df_)

   Name Country
2  Mary      US
3  Mary  Canada