如何用Pandas检查分组后某列特定值每组最多出现一次并处理

示例数据构造 #

先还原示例中的DataFrame：

import pandas as pd

data = {
    'A': [1,1,1,1,2,2,2,3,3],
    'B': ['test','t','te','test','t','te','test','test','tes'],
    'C': [342,4556,222,56456,234525,123,23434,777,665]
}
df = pd.DataFrame(data)

1. 定位B列'test'出现超过1次的分组 #

通过筛选B='test'的行，按A分组计数，即可找出违规分组：

# 统计每个分组中'test'的出现次数
test_group_counts = df[df['B'] == 'test'].groupby('A').size()
# 筛选出次数>1的分组
problem_groups = test_group_counts[test_group_counts > 1].index.tolist()
print("存在重复'test'的分组：", problem_groups)  # 输出：[1]

2. 删除多余'test'记录，保留C列最小的那条 #

采用拆分处理的思路，确保非'test'行不受影响，仅处理违规分组的'test'行：

# 保留所有非'test'的行
non_test_records = df[df['B'] != 'test']

# 处理'test'行：违规分组只留C最小的记录，其他分组保留全部'test'行
clean_test_records = df[df['B'] == 'test'].groupby('A').apply(
    lambda group: group[group['C'] == group['C'].min()] if group.name in problem_groups else group
).reset_index(drop=True)

# 合并结果并按A排序（可选，还原原数据的分组顺序）
final_df = pd.concat([non_test_records, clean_test_records]).sort_values('A').reset_index(drop=True)
print("处理后的结果：")
print(final_df)

处理后的输出结果：

A     B       C
0  1     t    4556
1  1    te     222
2  1  test     342
3  2     t  234525
4  2    te     123
5  2  test   23434
6  3  test     777
7  3   tes     665

内容的提问来源于stack exchange，提问作者ArieAI