Pandas：修正DataFrame中键的拼写错误，合并重复客户唯一键

我来帮你搞定这个问题！核心思路是先从每个Key里提取手机号前缀作为分组依据，然后把同一分组内的所有Key统一替换成该组的第一个Key，具体步骤如下：

1. 准备示例数据（模拟你的场景） #

首先我们先构造一个和你描述一致的DataFrame，方便演示：

import pandas as pd

data = {
    'Key': ['555261andymiller@gmail.com', '555261andymller@gmail.com', '789123sarahjones@yahoo.com', '789123sarahjoness@yahoo.com'],
    'Order #': [901345, 901345, 678901, 678901]
}
df = pd.DataFrame(data)

2. 提取手机号前缀作为分组键 #

因为你的Key是手机号（数字前缀）+邮箱的组合，我们用正则表达式提取Key开头的所有数字作为分组标识：

# 提取Key开头的数字部分作为手机号前缀
df['phone_prefix'] = df['Key'].str.extract(r'^(\d+)', expand=False)

这一步会生成一个临时列phone_prefix，值就是每个Key对应的手机号（比如555261、789123）。

3. 统一分组内的Key值 #

通过groupby按手机号前缀分组，然后用transform('first')把组内所有行的Key替换成该组的第一个Key：

# 将每组的Key统一替换为该组的第一个Key
df['Key'] = df.groupby('phone_prefix')['Key'].transform('first')

4. 清理临时列（可选） #

如果不需要保留phone_prefix列，可以删掉它：

df = df.drop('phone_prefix', axis=1)

最终效果 #

处理后的DataFrame会变成这样：

这样就完美解决了邮箱拼写错误导致的同一客户多个键的问题！

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