Pandas按Con_Num分组取Is_Prim=Yes行值批量更新同组Con_Type列

方法1：使用map映射（更简洁高效） #

先构造每个Con_Num对应的主类型映射表，再直接赋值：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({'Con_Num': [1, 1, 1, 1, 2, 2, 2, 2, 3, 3], 
    'Con_Type': ['A', 'A', 'B', 'C', 'A', 'B', 'B', 'C', 'C', 'C'],
    'Is_Prim':['No','Yes','No','No','No','No','No','Yes','No','Yes']})

# 构造Con_Num到Is_Prim=Yes对应Con_Type的映射关系
prim_type_map = df[df['Is_Prim'] == 'Yes'].set_index('Con_Num')['Con_Type']
# 批量替换Con_Type列
df['Con_Type'] = df['Con_Num'].map(prim_type_map)

运行后得到的df完全符合预期输出，除Con_Type外的所有列都会完整保留，不会被改动。

方法2：使用groupby + transform（适合更复杂的分组逻辑） #

如果需要沿用transform写法，可以按如下逻辑调整，获取分组内对应Is_Prim=Yes的取值：

df['Con_Type'] = df.groupby('Con_Num')['Con_Type'].transform(
    lambda ser: ser[df.loc[ser.index, 'Is_Prim'] == 'Yes'].iloc[0]
)

说明 #

两种方法都默认每个Con_Num分组下有且仅有一行Is_Prim = 'Yes'的记录，符合示例场景。如果存在多个Yes的情况，可以自行调整取值逻辑（比如取第一个、去重等）。

内容的提问来源于stack exchange，提问作者user627099