Pandas实现：基于分组处理修改列值并新增overbook列的需求

针对你给出的DataFrame数据和需求，这里提供一个简洁的pandas实现方案，完全匹配你要的预期输出：

import pandas as pd

# 构造示例数据（如果你已有排序后的df，可跳过这部分直接使用你的数据）
data = [
    ['s1', 1, 'A', 0.2],
    ['s1', 2, 'B', 0.9],
    ['s1', 2, 'B', 0.4],
    ['s1', 3, 'C', 0.7],
    ['s1', 4, 'D', 0.8],
    ['s1', 4, 'D', 0.3],
    ['s1', 5, 'E', 0.6],
    ['s1', 6, 'F', 0.5],
    ['s1', 7, 'G', 0.7],
    ['s2', 1, 'A1', 0.6],
    ['s2', 2, 'B1', 0.5],
    ['s2', 3, 'C1', 1.1],
    ['s2', 3, 'C1', 0.6],
    ['s2', 4, 'D1', 0.7],
    ['s2', 5, 'E1', 0.6],
    ['s2', 6, 'F1', 0.7],
    ['s2', 7, 'G1', 1.2],
    ['s2', 7, 'G1', 0.7]
]
df = pd.DataFrame(data, columns=['Session', 'slot_num', 'ID', 'prob'])
# 你已执行的排序操作
df = df.sort_values(['Session', 'slot_num'], ascending=True)

# 步骤1：新增overbook列
# 给每个(Session, slot_num)分组内的行生成从0开始的序号
df['group_rank'] = df.groupby(['Session', 'slot_num']).cumcount()
# 先默认第一行是'no'，后续行是'booking'
df['overbook'] = df['group_rank'].apply(lambda x: 'no' if x == 0 else 'booking')
# 对分组内有多行的第一行，将overbook改为'yes'
multi_row_mask = (df['group_rank'] == 0) & (df.groupby(['Session', 'slot_num'])['group_rank'].transform('max') > 0)
df.loc[multi_row_mask, 'overbook'] = 'yes'

# 步骤2：替换分组内第二行及以后的ID为'TBF'
df.loc[df['group_rank'] > 0, 'ID'] = 'TBF'

# 移除临时的group_rank列
df = df.drop(columns=['group_rank'])

# 查看最终结果
print(df)

代码逻辑说明 #

• 分组行编号：通过cumcount()给每个分组内的行生成序号，轻松区分分组内的第一行和后续行。
• overbook列设置：先做基础赋值，再通过掩码精准定位“分组内有多行的第一行”，将其overbook值改为'yes'。
• ID替换：直接通过序号筛选出分组内第二行及以后的行，批量替换ID为'TBF'。

最终输出结果 #

Session  slot_num   ID  prob overbook
0       s1         1    A   0.2       no
1       s1         2    B   0.9      yes
2       s1         2  TBF   0.4   booking
3       s1         3    C   0.7       no
4       s1         4    D   0.8      yes
5       s1         4  TBF   0.3   booking
6       s1         5    E   0.6       no
7       s1         6    F   0.5       no
8       s1         7    G   0.7       no
9       s2         1   A1   0.6       no
10      s2         2   B1   0.5       no
11      s2         3   C1   1.1      yes
12      s2         3  TBF   0.6   booking
13      s2         4   D1   0.7       no
14      s2         5   E1   0.6       no
15      s2         6   F1   0.7       no
16      s2         7   G1   1.2      yes
17      s2         7  TBF   0.7   booking

内容的提问来源于stack exchange，提问作者Danish