基于ID与Code双重复条件将重复Code替换为NaN的技术咨询

你之前的思路偏差在于只判断了ID的重复，而没抓住需求核心：只有当同一个ID下出现重复的Code值时，才把后续重复的Code替换为NaN；同一ID下不同的Code要全部保留。

下面是完全符合你需求的实现步骤：

步骤1：导入依赖并构造示例数据 #

import pandas as pd
import numpy as np

# 构造你提供的示例数据
df = pd.DataFrame({
    'ID': [1, 1, 1, 1, 1, 2, 2, 3],
    'Code': ['A10', 'A10', 'A10', 'E39', 'I24', 'O32', 'K94', 'E39']
})

步骤2：执行精准的重复替换 #

关键是用subset参数指定判断重复的列是ID和Code的组合，keep='first'表示保留第一次出现的组合，后续重复的行标记为需要替换：

# 仅对ID+Code组合重复的行，将Code设为NaN
df.loc[df.duplicated(subset=['ID', 'Code'], keep='first'), 'Code'] = np.nan

步骤3：查看结果 #

运行后打印DataFrame就能得到你想要的输出：

print(df)

输出结果：

ID  Code
0   1   A10
1   1   NaN
2   1   NaN
3   1   E39
4   1   I24
5   2   O32
6   2   K94
7   3   E39

这个方法完全匹配你的需求：同一ID下不同的Code（比如ID=1下的E39、I24）全部保留，只有ID和Code都重复的行（ID=1的后两个A10）被替换成了NaN。

内容的提问来源于stack exchange，提问作者M.A