如何修改pandas分组中仅出现一次的异常值？

需求说明 #

给定的DataFrame按name字段分组，val为二元取值（示例中是1和2）。需要将每组中仅出现一次的val替换为该组的多数值（即出现次数更多的那个值）：

• 分组A中1仅出现1次，替换为2；
• 分组B中2仅出现1次，替换为1；
• 分组C中1和2各出现2次，保持原样。

解决方案 #

可以通过groupby结合transform实现，把替换逻辑封装成函数后应用到每个分组：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'name': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C'],
    'val': [1, 2, 2, 2, 2, 1, 1, 1, 1, 1, 2, 2]
})

def fix_single_outliers(series):
    # 统计分组内各值的出现次数
    val_counts = series.value_counts()
    # 获取分组的多数值（众数）
    mode_val = val_counts.idxmax()
    # 筛选出仅出现一次的值
    single_occur_vals = val_counts[val_counts == 1].index
    # 替换异常值
    return series.replace(single_occur_vals, mode_val)

# 按name分组，应用替换逻辑
df['val'] = df.groupby('name')['val'].transform(fix_single_outliers)

print(df)

代码解释 #

1. 分组统计：value_counts()统计每个分组内val的出现次数；
2. 获取多数值：idxmax()直接拿到出现次数最多的数值（二元值场景下必然是其中一个）；
3. 筛选异常值：找出出现次数为1的数值，这些就是需要替换的目标；
4. 批量替换：replace()把异常值替换为分组的多数值，transform会自动将处理后的结果映射回原DataFrame的对应行。

运行结果 #

最终输出的DataFrame符合预期：

name  val
0     A    2
1     A    2
2     A    2
3     A    2
4     B    1
5     B    1
6     B    1
7     B    1
8     C    1
9     C    1
10    C    2
11    C    2

内容的提问来源于stack exchange，提问作者jfang