Pandas中指定两列重复且第三列不同时修改Group列0值为1

处理逻辑 #

不需要逐行遍历全表，用pandas原生分组操作处理性能更高，判定和修改规则如下：

• 以SEQUENCE、ID两列的组合值为分组维度拆分全表数据
• 筛选同时满足两个条件的分组：
  • 组内记录数大于1（即两列组合值存在重复）
  • 组内Group列的取值不唯一（同时存在0、1两种差异值）
• 对符合条件的分组，将组内所有Group列取值为0的记录统一修改为1；其余分组所有记录取值保持不变

代码实现 #

import pandas as pd

# 构造示例输入数据
df = pd.DataFrame({
    'SEQUENCE': ['ABCD', 'ABCD', 'BACD'],
    'ID': ['TG', 'TG', 'LK'],
    'Group': [0, 1, 0]
})

# 标记所有需要修正的记录所属分组
group_flag = df.groupby(['SEQUENCE', 'ID'])['Group'].transform(
    lambda col: (len(col) > 1) and (col.nunique() > 1)
)

# 执行值替换
df.loc[group_flag & (df['Group'] == 0), 'Group'] = 1

处理结果 #

执行代码后输出结果完全匹配预期：

• SEQUENCE=ABCD、ID=TG的两条重复记录，Group值均更新为1
• SEQUENCE=BACD、ID=LK的单条无重复记录，Group值保持0不变

内容的提问来源于stack exchange，提问作者buny