基于Pandas DataFrame：用“same”替换重复评论并调整ID

需求说明 #

• 按Key字段分组，每组内仅保留第一条评论的原始内容，后续重复评论替换为"same"
• 同一Key分组内的id字段从1开始重新递增编号

输入数据代码 #

import pandas as pd

df = {'Key': ['111', '111','111', '222*1','222*2', '333*1','333*2', '333*3'],
      'id' : ['', '','', '1','2', '1','2', '3'],
      'comment': ['wrong sentence', 'wrong sentence','wrong sentence', 'M','M', 'F','F', 'F']}
  
df = pd.DataFrame(df)

处理代码 #

# 按Key分组，重置ID为从1开始的递增序列
df['id'] = df.groupby('Key').cumcount() + 1

# 处理重复评论：仅保留每组第一条的原内容，其余替换为"same"
df['comment'] = df.groupby('Key')['comment'].transform(
    lambda x: x.where((x == x.iloc[0]) & (x.index == x.index[0]), 'same')
)

代码解释 #

1. ID重置：利用groupby('Key').cumcount()获取每组内的行序号（从0起始），加1后得到从1开始的连续编号，直接覆盖原id字段。
2. 评论去重处理：通过分组转换操作，对每组的评论进行判断：
   • 仅保留组内第一条评论的原始内容
   • 组内后续所有重复评论统一替换为"same"

处理后输出 #

执行代码后打印df，结果如下：

Key  id         comment
0     111   1  wrong sentence
1     111   2            same
2     111   3            same
3  222*1   1               M
4  222*2   1               M
5  333*1   1               F
6  333*2   1               F
7  333*3   1               F

内容的提问来源于stack exchange，提问作者AAA