在Python Pandas中按ID统计COL1唯一值并排除LACK值

示例数据构造 #

先还原你提供的DataFrame：

import pandas as pd

data = {
    'ID': ['123', '123', '123', '456', '456', '77', '88', '66', '66'],
    'COL1': ['XX', 'XX', 'L', 'AP', 'AP', 'C', 'LACK', 'LACK', 'G']
}
df = pd.DataFrame(data)

实现代码 #

通过groupby结合transform即可快速完成需求，核心逻辑是按ID分组后，过滤掉COL1中的"LACK"值，再统计剩余值的唯一数量：

# 计算每个ID分组排除LACK后的唯一值数，并映射到每一行
df['COL1_bis'] = df.groupby('ID')['COL1'].transform(lambda x: x[x != 'LACK'].nunique())

结果验证 #

执行后得到的DataFrame与你期望的一致：

逻辑说明 #

• groupby('ID')['COL1']：按ID对COL1列分组，确保同一ID的所有行被归为一组
• transform：将分组计算的结果广播到原DataFrame的每一行，保证同一ID的行拥有相同的统计值
• x[x != 'LACK'].nunique()：先过滤当前组中等于"LACK"的元素，再统计剩余元素的唯一值数量；若组内只剩"LACK"，过滤后为空，nunique()返回0，完全匹配需求

内容的提问来源于stack exchange，提问作者unbik