Pandas DataFrame高级查询：新增货币列后ParentID匹配报错求助

报错原因 #

新增cur字段后，不同币种下允许重复的level1账号存在，直接将level1设为索引会产生重复索引值，触发InvalidIndexError: Reindexing only valid with uniquely valued Index objects错误。

解决代码 #

我们通过复合键映射+指定范围修改的逻辑实现需求，仅修改USD币种、后缀为8409的账号level2值，其余账号保留原值：

import pandas as pd
import numpy as np

# 带cur字段的测试数据
df = pd.DataFrame([
    [7854568400,489, 'USD'],
    [9632588400,126, 'USD'],
    [3699633691,189, 'CNY'],
    [9876543697,987, 'EUR'],
    [1111118409,987, 'CNY'],
    [7854568409,396, 'USD'],
    [7854567893,897, 'USD'],
    [9632588409,147, 'USD']
], columns = ['level1','level2', 'cur'])

# 构造 (level1, 币种) 到level2的唯一映射，避免同账号多币种重复问题
level_map = df.set_index(['level1', 'cur'])['level2'].to_dict()

# 初始化新列值为原始level2
df['new_level2'] = df['level2']

# 筛选需要修改的行：USD币种 + level1后缀为8409
update_mask = (df['cur'] == 'USD') & (df['level1'].astype(str).str.endswith('8409'))

# 生成替换后的查询key（后缀替换为8400的level1 + 对应币种）
replace_level1 = df.loc[update_mask, 'level1'].astype(str).str.replace('8409$', '8400', regex=True).astype('int64')
query_keys = list(zip(replace_level1, df.loc[update_mask, 'cur']))

# 匹配映射值，匹配不到则保留原值
df.loc[update_mask, 'new_level2'] = [
    level_map.get(key, df.loc[idx, 'level2']) 
    for idx, key in zip(replace_level1.index, query_keys)
]

# 转换为合适的数据类型
df['new_level2'] = df['new_level2'].convert_dtypes()

print(df)

输出效果 #

运行代码后结果如下，仅两个USD币种的8409后缀账号level2被修正：

内容的提问来源于stack exchange，提问作者Alan Paul