python - 如果有两个不同的值具有相同的键，如何更改数据框单元格中的值

Question

我正在用Python编写脚本，我正在寻找以下问题的最佳解决方案:

我有 Pandas 数据框(至少 100k 行)，如果 col2 中的值相同但 col3 中的值不同，那么我想更改 col3 中 A 的所有值

例如:

----------------------
| col1 | col2 | col3 |
----------------------
|   a  |   1  |   A  |
----------------------
|   b  |   2  |   A  |
----------------------
|   c  |   2  |   B  |
----------------------
|   d  |   2  |   B  |
----------------------
|   e  |   3  |   B  |
----------------------
|   f  |   3  |   B  |
----------------------

应该看起来像这样:

----------------------
| col1 | col2 | col3 |
----------------------
|   a  |   1  |   A  |
----------------------
|   b  |   2  |   A  |
----------------------
|   c  |   2  |   A  |
----------------------
|   d  |   2  |   A  |
----------------------
|   e  |   3  |   B  |
----------------------
|   f  |   3  |   B  |
----------------------

我通过对 col2 上的数据帧进行排序并迭代行来解决这个问题，每当 col2 中的值发生变化并且相同 col2 值的“ block ”中是不同的值时，我会更改 col3 值，但该算法需要大约 60 秒才能处理 100k 行，并且我我正在寻找更充分的答案。

Answer 1

使用GroupBy.transform与 DataFrameGroupBy.nunique用于测试唯一值的数量并按 DataFrame.loc 中的条件设置新值:

df.loc[df.groupby('col2')['col3'].transform('nunique') != 1, 'col3'] = 'A' 
print (df)
  col1  col2 col3
0    a     1    A
1    b     2    A
2    c     2    A
3    d     2    A
4    e     3    B
5    f     3    B

详细信息:

首先使用 transform 检查每个组的唯一值数量，以获取与原始 DataFrame 相同大小的系列:

print (df.groupby('col2')['col3'].transform('nunique'))
0    1
1    2
2    2
3    2
4    1
5    1
Name: col3, dtype: int64

然后测试不等于:

print (df.groupby('col2')['col3'].transform('nunique') != 1)
0    False
1     True
2     True
3     True
4    False
5    False
Name: col3, dtype: bool

最后按值 A 覆盖 True 行。