Pandas 根据现有列的第一个唯一值创建新列

Question

我正在尝试向数据框中添加一个新列，其中仅包含现有列中的唯一值。新列中的行数可能会减少，其中 np.nan 值可能会出现重复项。

import pandas as pd
import numpy as np

df = pd.DataFrame({'a':[1,2,3,4,5], 'b':[3,4,3,4,5]})
df

    a   b
0   1   3
1   2   4
2   3   3
3   4   4
4   5   5

目标：

    a   b   c
0   1   3   3
1   2   4   4
2   3   3   nan
3   4   4   nan
4   5   5   5

我试过了：

df['c'] = np.where(df['b'].unique(), df['b'], np.nan)

它抛出：operands could not be broadcast together with shapes (3,) (5,) ()

Answer 1

mask + duplicated

您可以使用 Pandas 方法来屏蔽系列：

df['c'] = df['b'].mask(df['b'].duplicated())

print(df)

   a  b    c
0  1  3  3.0
1  2  4  4.0
2  3  3  NaN
3  4  4  NaN
4  5  5  5.0

Answer 2

将duplicated 与np.where 一起使用：

df['c'] = np.where(df['b'].duplicated(),np.nan,df['b'])

或者：

df['c'] = df['b'].where(~df['b'].duplicated(),np.nan)

---

print(df)
   a  b    c
0  1  3  3.0
1  2  4  4.0
2  3  3  NaN
3  4  4  NaN
4  5  5  5.0

Answer 3

ppg 写道：

df['c'] = df['b'].mask(df['b'].duplicated())

print(df)

   a  b    c
0  1  3  3.0
1  2  4  4.0
2  3  3  NaN
3  4  4  NaN
4  5  5  5.0

我喜欢代码，但最后一列也应该给出 NaN

    0  1  3  3.0
    1  2  4  4.0
    2  3  3  NaN
    3  4  4  NaN
    4  5  5  NaN