Pandas分组中仅保留每组内channel=X的首次出现行

原始DataFrame #

import pandas as pd

df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],
    'channel':['X','Y','Y','X','X','A','X'],
    'value': [1, 2, 3, 3, 4, 5, 5]
})

需求说明 #

按group字段分组后，仅对每个分组内的channel='X'行做去重（只保留首次出现的那一行），其他channel值的行全部保留，不做任何处理。

原代码的问题 #

你之前写的代码会删除分组内所有重复channel值的行（比如分组里如果有多个相同的非X channel也会被去重），完全不符合需求：

df = df.groupby('group').apply(lambda x: x.drop_duplicates(subset='channel', keep='first') if 'X' in x['channel'].values else x)

正确解决方案 #

方法一：分组自定义函数过滤

通过自定义函数，给每个分组生成保留掩码，只保留非X行和第一个X行：

def keep_first_x(group):
    # 掩码规则：非X行全部保留，X行仅保留首次出现的那一行
    mask = (group['channel'] != 'X') | (group['channel'] == 'X').cumsum() == 1
    return group[mask]

# 应用分组处理，group_keys=False避免保留分组索引
result_df = df.groupby('group', group_keys=False).apply(keep_first_x)
print(result_df)

方法二：transform生成掩码直接过滤

更简洁的写法，用transform把分组内的标记广播到原DataFrame，直接做布尔索引过滤：

# 生成全局掩码：非X行 或者 是分组内第一个出现的X行
mask = (df['channel'] != 'X') | df.groupby('group')['channel'].transform(
    lambda x: (x == 'X').cumsum() == 1
)

result_df = df[mask]

最终输出结果 #

group channel  value
0     A       X      1
1     A       Y      2
2     B       Y      3
3     B       X      3
5     C       A      5
6     C       X      5

内容的提问来源于stack exchange，提问作者deega