如何为Pandas数据框中每个用户的首行设置is_favorite为True

我有一个包含user、food和is_favorite字段的表格，同一用户会出现在多行中。需要为每个用户恰好设置一行的is_favorite=True（首行），目标效果如下：

初始表格 #

目标表格 #

我已经能获取每个用户的首行数据，但没法把设置应用到原DataFrame里，试了下面的代码但没成功，求正确实现方式：

import pandas as pd

df = pd.DataFrame(
    dict(
        user=[1, 1, 3, 3, 3, 4],
        food=['Beef', 'Pork', 'Pork', 'Beef', 'Potatoes', 'Beef'],
        is_favorite=[False, False, False, False, False, False]))

# 这部分能正常获取每个用户的首行
first_food_per_user = df.groupby('user').nth(0).reset_index()

# 这部分代码不生效
for _, row in first_food_per_user.iterrows():
    df['is_favorite'].loc[
        (df['user'] == row['user'])
        &
        df['food'] == row['food'],
    ] = True

解决方法 #

方法1：高效的向量化操作（推荐） #

不需要循环，直接用groupby.cumcount()标记每个用户的首行，一步完成赋值：

import pandas as pd

df = pd.DataFrame(
    dict(
        user=[1, 1, 3, 3, 3, 4],
        food=['Beef', 'Pork', 'Pork', 'Beef', 'Potatoes', 'Beef'],
        is_favorite=[False, False, False, False, False, False]))

# 给每个用户的行从0开始计数，首行对应0，直接赋值布尔值
df['is_favorite'] = df.groupby('user').cumcount() == 0

print(df)

方法2：修正你的循环代码 #

原代码的问题在于链式索引（df['is_favorite'].loc[...]）可能创建了数据副本，导致修改不生效。改成直接通过df.loc[条件, 列名]操作原DataFrame即可：

import pandas as pd

df = pd.DataFrame(
    dict(
        user=[1, 1, 3, 3, 3, 4],
        food=['Beef', 'Pork', 'Pork', 'Beef', 'Potatoes', 'Beef'],
        is_favorite=[False, False, False, False, False, False]))

first_food_per_user = df.groupby('user').nth(0).reset_index()

for _, row in first_food_per_user.iterrows():
    # 直接用df.loc定位行和列
    df.loc[
        (df['user'] == row['user']) & (df['food'] == row['food']),
        'is_favorite'
    ] = True

print(df)

内容的提问来源于stack exchange，提问作者PythonForEver