pandas如何将列中第二次及以后出现的重复值替换为另一列对应值

核心是通过pandas内置的重复值标记方法定位需要替换的行，直接做向量化赋值即可，不需要逐行遍历。

实现代码 #

如果需要复现测试，可以先构造对应结构的示例数据：

import pandas as pd

# 匹配问题给出的原始数据结构
df = pd.DataFrame({
    'Sl': [1, 2, 3, 4, 5],
    'Name': ['abc', 'pqr', 'abc', 'abc', 'cde'],
    'Name2': ['abc e', 'lmn o', 'abc e', 'krs', 'rmn']
})

执行替换逻辑仅需两行代码：

# 标记Name列中所有非首次出现的重复行，首次出现的取值不标记
replace_mask = df['Name'].duplicated(keep='first')
# 将标记行的Name列值替换为对应行的Name2取值
df.loc[replace_mask, 'Name'] = df.loc[replace_mask, 'Name2']

执行结果 #

运行后打印df得到的输出如下，完全匹配替换要求：

Sl   Name  Name2
0   1    abc  abc e
1   2    pqr  lmn o
2   3  abc e  abc e
3   4    krs    krs
4   5    cde    rmn

说明：你给出的目标示例里第一行Name2显示为abc属于排版对齐偏差，上述逻辑不会修改Name2列的原始值，如果需要同步调整Name2列的取值，补充对应赋值语句即可。

逻辑说明 #

• duplicated(keep='first')是pandas专门用于标记重复值的方法，传入keep='first'参数时，会把每个取值第一次出现的行标记为False（不需要替换），后续所有重复出现的行标记为True（需要替换），完全匹配“从第二次重复出现开始替换”的规则。
• 用df.loc做定位赋值是pandas的原生向量化操作，执行效率远高于apply或者手写循环，数据量大的时候性能优势非常明显。

内容的提问来源于stack exchange，提问作者JDoe