如何使用python操作多个列中的重复数据值

Question

我有大约50列，这些列的行是重复的，具有相似的值。例如：

Idx    Series    Col1   Col2  Col3  Col4  Col5 .....   Col50 
0      A                 1                   
1      A                 1
2      A                 1
3      A                 1
4      B        3             2                          3
5      B        3             2                          3
6      B        3             2                          3
7      B        3             2                          3
8      C                4                1
9      C                4                1
10      C                4                1
11      C                4                1

我想根据其位置从重复值中保留一个值，并将其他值更改为"0">

因此，如果值为"4"，则保留第4位的值，前三位将更改为"0"。类似地，如果值为"1"，则保留第一个值，其余值将更改为"0"。

输出列为：

Idx    Series    Col1   Col2  Col3  Col4  Col5 .....   Col50 
0      A                 1                   
1      A                 0
2      A                 0
3      A                 0
4      B        0             0                          0
5      B        0             2                          0
6      B        3             0                          3
7      B        0             0                          0
8      C                0                1
9      C                0                0
10      C                0                0
11      C                4                0

任何帮助都将不胜感激。

谢谢。。

Answer 1

由于您的DataFrame不包含NaN值，我假设：

• 列Col1到Col50属于对象类型
• 它们包含字符串数据，可以是空字符串，也可以是字符串包含一个数字字符

要获得预期结果，请定义以下两个函数：

1. 应用于要转换的每列的函数：

   def cnv(col):
   return col.groupby((col != col.shift()).cumsum()).apply(cnv2)
   

2. 要应用于当前列中每组的函数：

   def cnv2(grp):
   if grp.str.isnumeric().all():
   ind = grp.index[0]
   val = int(grp.iloc[0])
   return grp.where(grp.index == val + ind - 1, '0')
   else:
   return grp
   

然后将cnv函数应用于要转换的列，保存结果返回相同的列：

df.loc[:, 'Col1':'Col50'] = df.loc[:, 'Col1':'Col50'].apply(cnv)

结果是：

Idx Series Col1 Col2 Col3 Col5 Col50
0     0      A         1                
1     1      A         0                
2     2      A         0                
3     3      A         0                
4     4      B    0         0          0
5     5      B    0         2          0
6     6      B    3         0          3
7     7      B    0         0          0
8     8      C         0         1      
9     9      C         0         0      
10   10      C         0         0      
11   11      C         4         0      

Answer 2

让我们做

df2 = df.replace(r'^s*$', np.nan, regex=True)
new_df = (df2.assign(**df2.filter(regex='Col')
.where(lambda x: x.eq(df.groupby('Series')
.cumcount()
.add(1), 
axis=0) | x.isna() , 
0)
)
.fillna('') # I recommend remove this line
)
print(new_df)

输出

Idx Series Col1 Col2 Col3
0     0      A         1     
1     1      A         0     
2     2      A         0     
3     3      A         0     
4     4      B    0         0
5     5      B    0         2
6     6      B    3         0
7     7      B    0         0
8     8      C         0     
9     9      C         0     
10   10      C         0     
11   11      C         4