如何识别DataFrame列中某值的第二次出现并修改同行列值（无索引不可用iloc）

你需要处理一个无索引的DataFrame，目标是找到col1中值为'b'的第二次出现，并将该行的col2值修改为'p'。

示例输入：

col1     col2     
 'a'      's'
 'b'      's'
 'f'      's'
 'g'      's'
 'b'      's'
 'l'      's'

处理后输出：

col1     col2     
 'a'      's'
 'b'      's'
 'f'      's'
 'g'      's'
 'b'      'p'
 'l'      's'

实现步骤 #

• 创建示例DataFrame（已有数据可跳过此步）
• 生成临时计数列，对col1中等于'b'的行累加计数
• 定位计数为2的行，修改col2的值
• 可选：删除临时计数列

代码实现 #

import pandas as pd

# 创建无索引的示例DataFrame
df = pd.DataFrame({
    'col1': ['a', 'b', 'f', 'g', 'b', 'l'],
    'col2': ['s', 's', 's', 's', 's', 's']
})

# 生成临时计数列：仅对col1等于'b'的行从1开始计数
df['count_b'] = df.groupby('col1').cumcount() + 1

# 定位第二次出现'b'的行，修改col2为'p'
df.loc[df['count_b'] == 2, 'col2'] = 'p'

# 可选：删除临时计数列
df = df.drop('count_b', axis=1)

# 输出结果
print(df)

代码说明 #

• groupby('col1').cumcount()会对每个col1分组内的行从0开始计数，加1后让计数从1起步，刚好对应出现次数
• df.loc[条件, 列名]可以精准定位目标行并修改值，完全不依赖索引，适配无索引的DataFrame场景

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