您希望仅按ArtistId而不是AlbumId分组：

groupedArtists = data.groupby(['Artist']).filter(lambda x: x['AlbumId'].nunique() > 1)

输出：

>>> groupedArtists
  Artist  AlbumId  TrackId
0      A      201     1022
1      A      201     3472
2      A      451     9866
5      C      375     1022
6      C      412     9866
7      C      375     3472
...

分组应单独由 * 艺术家 * 进行。
然后，对于每个组，检查它包含多少（不同的）相册，并仅选取具有1个以上相册的组。
所以正确的解决方案是：

data.groupby('Artist').filter(lambda grp: grp.AlbumId.nunique() > 1)

这是我找到的解决方案，它有点冗长，但可能更容易理解：

counted = df.groupby(['Artist']).size().reset_index(name='counts')
df[df['Artist'].isin(counted[counted.counts > 1].Artist)]

一个迟来的响应，但其他解决方案的替代方案如下：

groupedArtists = data[data.groupby('Artist')['AlbumId'].transform('nunique').ne(1)]

与其他方法一样，该方法按艺术家分组，但不应用过滤函数，而是为每个组返回pd.Series数量的唯一专辑，并仅返回nunique不等于1的那些行。
在运行时间的比较中，这稍微快一点：

# my solution
%timeit groupedArtists = data[data.groupby('Artist')['AlbumId'].transform('nunique').ne(1)]
1.08 ms ± 85.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# solution by @Valdi_Bo and @user17242583
%timeit groupedArtists = data.groupby(['Artist']).filter(lambda x: x['AlbumId'].nunique() > 1)
1.81 ms ± 141 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

# solution by @Shay Nehmad
%%timeit
counted = df.groupby(['Artist']).size().reset_index(name='counts')
groupedArtists df[df['Artist'].isin(counted[counted.counts > 1].Artist)]
2.03 ms ± 32.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

您可以根据相册的计数创建聚合 Dataframe ，然后根据所需相册的数量进行筛选

stats = df.groupby(['Artist'])['AlbumId'].count().reset_index()
morethan1 = stats.loc[stats['AlbumId'] >1]