如何在Pandas DataFrame中按姓氏条件清空指定Location单元格？

问题场景 #

针对DataFrame中的姓氏列，需实现：每个姓氏的前两个重复项，将其对应Location列内容设为NaN（不得删除整行），仅保留第三个及以后的Location值（示例姓氏如Balchuinas、London、Fleck均需遵循此规则）。此前使用drop_duplicates(keep='last')会直接删除整行，不符合需求。

解决方案 #

利用groupby+cumcount给每个姓氏组内的行编号，再通过布尔索引精准修改Location列的值，代码如下：

import pandas as pd

# 假设DataFrame名为df，姓氏列是'Last Name'，Location列是'Location'
# 1. 给每个姓氏组内的行分配从1开始的序号
df['_temp_rank'] = df.groupby('Last Name').cumcount() + 1

# 2. 将组内序号为1、2的行的Location设为NaN
df.loc[df['_temp_rank'].isin([1, 2]), 'Location'] = pd.NA

# 3. 删除临时序号列，保持数据结构整洁
df = df.drop('_temp_rank', axis=1)

代码说明 #

• groupby('Last Name').cumcount()会给每个姓氏组内的行从0开始计数，加1后转为从1开始的序号，方便定位前两项。
• 布尔索引df['_temp_rank'].isin([1, 2])精准匹配每个姓氏的前两行，直接修改Location列值为NaN，全程保留整行数据。
• 若你的姓氏列或Location列名称不同，替换代码中对应列名即可。

内容的提问来源于stack exchange，提问作者Vish