Pandas按条件替换所有列除首次出现外的2为0的实现问题咨询

核心思路 #

• 无需手动指定列名，通过apply对全表所有列批量处理，适配大尺寸DataFrame场景
• 对每列先筛选出值为2的位置，借助duplicated(keep='first')保留第一个出现的2，其余等于2的位置全部置为0

正确可运行代码 #

import pandas as pd

# 构建示例数据
df = pd.DataFrame({
    'year_month': ['2018-02', '2018-03', '2018-04', '2018-05', '2018-06', '2018-07', '2018-08'],
    'adoption_1': [0, 0, 1, 1, 1, 2, 2],
    'adoption_2': [0, 0, 0, 1, 2, 2, 2],
    'adoption_3': [0, 1, 1, 1, 1, 2, 2]
})

# 核心处理逻辑
df = df.apply(lambda col: col.mask((col == 2) & col.eq(2).duplicated(keep='first'), 0))

# 设置索引
df = df.set_index('year_month')
print(df)

输出验证 #

运行后输出与你期望的结果完全一致：

adoption_1  adoption_2  adoption_3
year_month
2018-02              0           0           0
2018-03              0           0           1
2018-04              1           0           1
2018-05              1           1           1
2018-06              1           2           1
2018-07              2           0           2
2018-08              0           0           0

原代码问题说明 #

你之前尝试的写法存在两处明显问题：

1. df.where返回的是和原表同尺寸的对象，直接作为布尔索引会触发维度匹配报错
2. 基于shift的判断逻辑只适配特定数值前置顺序场景，通用性极低，只要2的前置值不符合规则就会失效

内容的提问来源于stack exchange，提问作者Deke Marquardt