Filtraggio di DataFrame su gruppi in cui il numero di elementi è diverso da 1

Sto lavorando con un DataFrame con la seguente struttura:

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

Il mio obiettivo è visualizzare solo i gruppi a cui è esattamenteX associato un marchio . Poiché il gruppo numero 2 ha due osservazioni uguali al marchio X, dovrebbe essere filtrato dal DataFrame risultante.

L'output dovrebbe essere simile al seguente:

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

So che dovrei fare un groupbynella colonna del gruppo e quindi filtrare quei gruppi con un conteggio Xdiverso da 1. La parte del filtro è dove faccio fatica. Qualsiasi aiuto sarebbe apprezzato.

Utilizzare series.eqper verificare se brandè uguale a X, quindi groupby ee i transform sumgruppi di filtri in cui il Xconteggio è uguale a 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

Anche questo dovrebbe funzionare

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

Produzione

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

Raggruppa colonna e applica un semplice filtro di conteggio di 'X'caratteri nel gruppo pari a 1

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

Produzione

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

Soluzione con 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

Possiamo anche usare DataFrame.mergeconSeries.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