如何根据ID的房间服务情况按条件替换DataFrame列值？

没问题，我来帮你搞定这个需求！核心思路是先判断每个ID是否服务过9、10、11号房间，再统一替换该ID对应的所有房间号值。下面是两种实用的实现方式：

方法一：先提取目标ID集合，再映射替换 #

这种方法先筛选出符合条件的ID，再通过映射完成替换，适合数据量较大的场景，执行效率更高。

import pandas as pd

# 1. 构造示例数据（替换成你自己的DataFrame即可）
data = {
    'first_columns': [1, 1, 2, 2, 3, 3, 4],
    'second_columns': [8, 9, 10, 12, 7, 8, 11]
}
df = pd.DataFrame(data)

# 2. 定义需要检查的目标房间号
target_rooms = {9, 10, 11}

# 3. 获取所有曾服务过目标房间的ID
ids_with_target = df[df['second_columns'].isin(target_rooms)]['first_columns'].unique()

# 4. 替换second_columns的值：目标ID对应的替换为0，其余替换为1
df['second_columns'] = df['first_columns'].apply(lambda x: 0 if x in ids_with_target else 1)

方法二：用groupby + transform直接处理 #

这种方法更直观，通过分组后对每个ID组进行判断，代码简洁且逻辑清晰，适合快速实现需求。

import pandas as pd

# 构造示例数据
data = {
    'first_columns': [1, 1, 2, 2, 3, 3, 4],
    'second_columns': [8, 9, 10, 12, 7, 8, 11]
}
df = pd.DataFrame(data)

target_rooms = {9, 10, 11}

# 分组后对每个组的房间号列进行判断，返回对应替换值
df['second_columns'] = df.groupby('first_columns')['second_columns'].transform(
    lambda group: 0 if group.isin(target_rooms).any() else 1
)

处理后结果示例 #

两种方法执行后，DataFrame都会输出如下结果：

你可以根据自己的数据集大小和使用习惯选择合适的方法~

内容的提问来源于stack exchange，提问作者Imran Ahmad Ghazali