如何替换DataFrame中重复Case的Case Info值：非OTHER值优先

原始数据 #

Year-Week    Case    Team     Case Info
2022-42      540    Finance    OTHER
2022-42      540    IT         ACCEPTED
2022-42      480    Sales      OTHER
2022-42      480    Finance    CHECK CASE
2022-42      480    IT         OTHER
2022-42      465    IT         OTHER
2022-42      465    Sales      OTHER
2022-42      310    Legal      VALIDATED
2022-42      310    Marketing  OTHER

需求 #

同一Case对应的多条数据中，只要存在非OTHER的Case Info值，就将该Case下所有行的Case Info统一替换为这个非OTHER值；若该Case下全是OTHER，则保留OTHER。

原方法问题 #

之前尝试用df['Case Info'] = df.groupby('Case')['Case Info'].transform('max')，但该方法依赖ASCII字符排序逻辑，无法精准实现“非OTHER优先”的规则，仅能部分满足需求。

解决方案 #

方法一：自定义分组转换函数 #

通过自定义函数筛选每个Case组内的非OTHER值，优先采用该值：

def get_preferred_info(group):
    # 提取组内非OTHER的Case Info
    non_other_entries = group[group != 'OTHER']
    if not non_other_entries.empty:
        # 若存在非OTHER值，取第一个（可根据需求调整，比如指定优先级顺序）
        return non_other_entries.iloc[0]
    # 全为OTHER时返回原值
    return 'OTHER'

# 分组应用函数，替换Case Info
df['Case Info'] = df.groupby('Case')['Case Info'].transform(get_preferred_info)

方法二：排序去重后合并 #

通过排序让非OTHER值排在每组首位，去重后合并回原数据：

# 排序：将非OTHER值放在每组的最前面
df_sorted = df.sort_values(
    by=['Case', 'Case Info'],
    key=lambda col: col == 'OTHER'  # OTHER会被标记为True(1)，排序后靠后
)
# 按Case去重，保留每组第一个值（即非OTHER值）
case_preferences = df_sorted.drop_duplicates(subset='Case', keep='first')[['Case', 'Case Info']]
# 合并回原数据，替换Case Info
df = df.merge(case_preferences, on='Case', suffixes=('', '_pref'))
df['Case Info'] = df['Case Info_pref']
df.drop(columns='Case Info_pref', inplace=True)

两种方法均不依赖字符排序，能精准实现“非OTHER优先”的规则。如果同一Case存在多个不同的非OTHER值，可根据实际需求调整逻辑（比如指定值的优先级顺序）。

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