如何为分组后的DataFrame创建标识Location唯一性的布尔列

需求说明 #

为分组后的DataFrame创建布尔列Unique，规则是：在每个分组子集中，若Location值仅出现一次则为True，否则为False。

原数据与修正后的分组代码 #

注意：原代码中groupby的Name列不存在，实际应为ID列，修正后的代码如下：

import pandas as pd

dataset = {
    'ID': ['One', 'One', 'One', 'Five', 'Five','Five','Four'],
    'Day': [2, 2, 2, 1, 1,1,0],
    'Location': ['London', 'London', 'Paris', 'London', 'Paris','Paris','Berlin']}

df = pd.DataFrame(dataset)
# 按ID和Day分组
df_grouped = df.groupby(['ID','Day'])

解决方案 #

推荐两种简洁实现方式：

方法1：利用duplicated取反（更高效）

# 标记分组内所有重复的Location行，取反后得到唯一性判断
df['Unique'] = ~df_grouped['Location'].duplicated(keep=False)

方法2：结合transform与value_counts

# 计算每个分组内Location值的出现次数，判断是否等于1
df['Unique'] = df_grouped['Location'].transform(lambda x: x.map(x.value_counts()) == 1)

验证结果 #

执行后df['Unique']的输出与预期一致：

0    False
1    False
2     True
3     True
4    False
5    False
6     True
Name: Unique, dtype: bool

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