Pandas：按多条件匹配分组行更新性别推断列

要生成你需要的mask3，核心是统计每个家庭中「Status为head且Gender为undetermined」的个体数量，判断是否等于1。下面是具体实现步骤：

1. 计算每个家庭的未确定性别户主数量 #

用groupby + transform可以直接在原DataFrame上生成对应家庭的计数，不用额外合并：

# 为每行添加对应家庭的未确定性别户主计数
df['head_undetermined_count'] = df.groupby('FamilyID').transform(
    lambda group: ((group['Status'] == 'head') & (group['Gender'] == 'undetermined')).sum()
)

2. 构建三个条件掩码 #

结合你已有的mask1和mask2，加上新的mask3：

# mask1：筛选属于有妻子的家庭的行
mask1 = df['FamilyID'].isin(df[df['Status'] == 'wife']['FamilyID'])
# mask2：筛选是户主且性别未确定的行
mask2 = (df['Status'] == 'head') & (df['Gender'] == 'undetermined')
# mask3：筛选对应家庭仅有一位未确定性别户主的行
mask3 = df['head_undetermined_count'] == 1

3. 生成Gender_Inferred列 #

只有同时满足三个条件的行，才将推断性别设为male，其余情况保留原Gender值：

# 创建推断列
df['Gender_Inferred'] = df['Gender'].where(~(mask1 & mask2 & mask3), 'male')

# 可选：清理临时生成的计数列
df.drop('head_undetermined_count', axis=1, inplace=True)

这样就能完全匹配你的需求：仅当家庭存在妻子、仅有一位未确定性别的户主时，该户主的推断性别为male，其余情况沿用原始性别。

内容的提问来源于stack exchange，提问作者jvb