Pandas数据处理：仅保留ID首行的0值，删除其余行的0值

直接用Pandas的分组计数结合布尔筛选就能搞定，不用写循环，效率更高也不容易出错。

步骤说明 #

1. 给每个ID分组的行标记序号：用groupby('ID').cumcount()给每组行从0开始计数，首行的序号为0。
2. 筛选符合条件的行：保留两种情况的行——要么Tenure不为0，要么是分组首行且Tenure为0。

代码实现 #

先构造输入示例方便测试：

import pandas as pd

# 输入示例
df = pd.DataFrame({
    'ID': [1,1,1,2,2,3,3,3],
    'Tenure': [0, 0, 5, 3, 0, 0, 2, 0],
    'OtherCol': ['a','b','c','d','e','f','g','h']
})

# 核心筛选逻辑
filtered_df = df[
    (df['Tenure'] != 0) | 
    (df.groupby('ID').cumcount() == 0) & (df['Tenure'] == 0)
]

print(filtered_df)

输出结果 #

ID  Tenure OtherCol
0   1       0        a
2   1       5        c
3   2       3        d
5   3       0        f
6   3       2        g

这个方法完全符合需求：每个ID分组仅保留首行的Tenure=0，其他位置的Tenure=0全部删除。

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