如何依据重复行判定条件与aa列数值对比更新表格Keep标识列

核心问题根因 #

你遇到的df.at取值正确但.values取到旧值的问题，是pandas的.values属性的固有特性导致的：.values返回的是DataFrame底层数组的引用，当你通过.loc修改单个单元格值时，若pandas触发了副本写机制（Copy-on-Write），修改会作用在副本上，而原底层数组不会更新，因此.values取到的还是初始化Keep列时的全1数组。

另外你代码中还有两个隐性问题：

• fmtlist定义了7个格式符，但你写入的a数组只有6列，格式符数量不匹配会导致写入时出现错位异常
• 当前的重复行匹配逻辑仅支持两两重复的场景，若存在3行及以上的重复组，会出现Keep值被反复覆盖的错误

直接修复方案 #

修改循环内的取值逻辑，不再从.values取Keep列，直接用你刚计算的Keep值构造输出数组，彻底规避缓存不一致问题：

for i0,i1,d in dup_dict:
    aa0 = df['aa'].values[i0]
    aa1 = df['aa'].values[i1]

    # 先计算好Keep值，后续直接复用
    if aa0 > aa1:
        k0, k1 = 1, 0
    else:
        k0, k1 = 0, 1
    df.loc[i0,'Keep'] = k0
    df.loc[i1,'Keep'] = k1
    # 只取前5列从df取值，最后一列Keep直接用已计算的k0、k1
    a = df[['A','B','C','D','aa']].values[[i0,i1],:]
    a = np.column_stack([a, [k0, k1]])
    # 同步修改fmtlist为6个格式符，和列数匹配
    fmtlist = ['%s','%0.5f','%0.5f','%0.5f','%0.5f','%d']
    np.savetxt(fl,a,fmt=fmtlist,delimiter=',')

更优实现方案 #

不用自己写循环匹配重复行，直接用pandas分组逻辑实现需求，支持任意长度的重复组，代码更简洁高效：

# 按A、B、C、D四列分组，每组内仅aa值最大的行Keep设为1，其余设为0
df['Keep'] = df.groupby(['A','B','C','D'])['aa'].transform(lambda x: (x == x.max()).astype(int))

内容的提问来源于stack exchange，提问作者Celeste Wilson