Pandas：对日期更早的重复项设置isActive为True并修改Name列

我们可以通过分组标记+条件批量修改来实现需求，具体操作如下：

完整代码实现 #

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame({
    'Name': ['John', 'John', 'Fred'],
    'isActive': [False, False, False],
    'LoginDate': [2021, 2022, 2020]
})

# 1. 按Name分组，获取每个用户的最新登录日期
latest_login = df.groupby('Name')['LoginDate'].transform('max')

# 2. 生成布尔掩码：标记出登录日期早于最新日期的条目
need_modify = df['LoginDate'] != latest_login

# 3. 对符合条件的条目批量修改字段
df.loc[need_modify, 'Name'] = df.loc[need_modify, 'Name'] + '_duplicate'
df.loc[need_modify, 'isActive'] = True

print(df)

代码说明 #

• transform('max')会为每个Name组的每一行返回组内最大的登录日期，方便和每行的LoginDate做对比
• need_modify是布尔数组，精准定位需要修改的重复项（非最新登录的条目）
• 用df.loc批量修改符合条件的行，比循环处理更高效简洁

运行后输出结果：

Name  isActive  LoginDate
0  John_duplicate      True       2021
1           John     False       2022
2           Fred     False       2020

内容的提问来源于stack exchange，提问作者Mamed