按_a列分组将_b列每组首个值改为0的Pandas实现方法

没问题，这有两种实用的方法可以完成你要的操作，都是Pandas里常用的技巧：

方法一：利用duplicated()快速定位每组首行（推荐，效率更高） #

因为你的_a列是连续分组的（相同值的行挨在一起），可以直接用duplicated()标记重复的_a值，然后把**非重复的行（也就是每组的第一行）**的_b列设为0：

import pandas as pd
import numpy as np

df = pd.DataFrame({'_a':[1,1,1,2,2,3,3],'_b':[3,4,5,3,3,3,9]})

# 定位每组的第一行（_a不重复的行），将对应_b值改为0
df.loc[~df['_a'].duplicated(), '_b'] = 0
print(df)

运行后输出就是你想要的结果：

_a  _b
0   1   0
1   1   4
2   1   5
3   2   0
4   2   3
5   3   0
6   3   9

方法二：用groupby()结合cumcount() #

如果你的_a列不是连续分组的（相同值的行可能分散），用groupby的方法更稳妥：它会先按_a分组，给每组的行从0开始编号，编号为0的就是每组第一行，再修改对应_b值：

import pandas as pd
import numpy as np

df = pd.DataFrame({'_a':[1,1,1,2,2,3,3],'_b':[3,4,5,3,3,3,9]})

# 给每组的行分配序号，筛选序号为0的行，修改_b为0
df.loc[df.groupby('_a').cumcount() == 0, '_b'] = 0
print(df)

这个方法不管_a的行是不是连续的都能生效，适用性更广。

两种方法都能达到你要的效果，根据你的数据情况选就行～

内容的提问来源于stack exchange，提问作者spectrum