Python合并DataFrame时重复行Flag赋值问题：仅首行需标记

数据集与问题描述 #

我有两个数据集：
df2

df1

使用以下代码合并后：

df3 = pd.merge(df2,df1[['Claim','Flag']],on='Claim', how='left')

所有重复的Claim行都被赋予了相同的Flag值，但我期望仅每个Claim的首行保留Flag，其余行Flag为空。

• 实际输出：

• 期望输出：

解决方法 #

方法1：合并后标记组内首行，其余置空 #

先完成合并，再通过分组筛选出每个Claim的第一行，其余行的Flag设为空值（pd.NA）：

import pandas as pd

df3 = pd.merge(df2, df1[['Claim', 'Flag']], on='Claim', how='left')
# 分组后仅保留每组第一行的Flag，其余设为空
df3['Flag'] = df3.groupby('Claim')['Flag'].transform(lambda x: x.iloc[0] if x.name == x.index[0] else pd.NA)

方法2：先添加组内序号，再合并控制Flag显示 #

给df2添加组内行号，合并后仅保留行号为1的Flag值：

import pandas as pd

# 给每个Claim的行添加从1开始的序号
df2['group_row'] = df2.groupby('Claim').cumcount() + 1
# 合并数据集
df3 = pd.merge(df2, df1[['Claim', 'Flag']], on='Claim', how='left')
# 仅首行保留Flag，其余设为空
df3['Flag'] = df3['Flag'].where(df3['group_row'] == 1, pd.NA)
# 不需要序号列的话可以删除
df3 = df3.drop('group_row', axis=1)

两种方法最终都会生成符合期望的输出，pd.NA在表格中会显示为空。

内容的提问来源于stack exchange，提问作者Raghav