如何在排序后的DataFrame列中标记各值的首次出现

问题说明 #

现有如下结构的DataFrame：

store
-----
LA
TX
NY
LA
CA
TX
LA
OR
ID

需求是先对store列排序，然后给每个值的首次出现标记1，重复出现的位置留空，最终得到这样的结果：

store    unique
-----    ------
CA         1
ID         1
LA         1
LA
LA
NY         1
OR         1
TX         1
TX

实现代码 #

直接用Pandas内置方法就能完成，步骤如下：

1. 先构造示例DataFrame并按store列排序：

import pandas as pd
import numpy as np

# 构造目标DataFrame
df = pd.DataFrame({'store': ['LA', 'TX', 'NY', 'LA', 'CA', 'TX', 'LA', 'OR', 'ID']})

# 按store列排序并重置索引
df = df.sort_values('store').reset_index(drop=True)

2. 生成unique标记列：

# 利用duplicated方法识别重复项，首次出现的项标记为1，重复项留空
df['unique'] = np.where(df['store'].duplicated(keep='first'), '', 1)

duplicated(keep='first')会返回布尔数组，首次出现的项对应False，重复项对应True；再通过np.where将False位置设为1，True位置设为空字符串，就能得到你需要的结果。

内容的提问来源于stack exchange，提问作者Berny