Pandas 识别重复记录，创建新列并添加第一次出现的 ID答案

【问题标题】：Pandas Identify duplicate records, create a new column and add the ID of first occurrencePandas 识别重复记录，创建新列并添加第一次出现的 ID
【发布时间】：2020-12-22 11:26:27
【问题描述】：

我是python新手，请多多包涵:)

假设有一个这样的数据框

ID       B        C       D        E        isDuplicated
1       Blue     Green   Blue     Pink           false
2       Red      Green   Red      Green          false
3       Red      Orange  Yellow   Green          false
4       Blue     Pink    Blue     Pink           false
5       Blue     Orange  Pink     Green          false
6       Blue     Orange  Pink     Green          true
7       Red      Orange  Yellow   Green          true
8       Red      Orange  Yellow   Green          true

如果我在子集 = B、C、D、E 的行中有重复项。然后我想添加另一列'firstOccurred'，它应该具有第一次出现的ID。我想要的数据框应该是这样的：

ID       B        C       D        E        isDuplicated        firstOccurred
1       Blue     Green   Blue     Pink           false                         
2       Red      Green   Red      Green          false
3       Red      Orange  Yellow   Green          false
4       Blue     Pink    Blue     Pink           false
5       Blue     Orange  Pink     Green          false
6       Blue     Orange  Pink     Green          true               5
7       Red      Orange  Yellow   Green          true               3
8       Red      Orange  Yellow   Green          true               3

如果有任何帮助，我将不胜感激！提前谢谢！

【问题讨论】：

标签： python-3.x pandas dataframe duplicates

【解决方案1】：

仅将GroupBy.transform 与first 一起用于True 传入numpy.where 的roww：

df['firstOccurred'] = np.where(df['isDuplicated'], 
                               df.groupby(['B','C','D','E'])['ID'].transform('first'), 
                               np.nan)
print (df)
   ID     B       C       D      E  isDuplicated  firstOccurred
0   1  Blue   Green    Blue   Pink         False            NaN
1   2   Red   Green     Red  Green         False            NaN
2   3   Red  Orange  Yellow  Green         False            NaN
3   4  Blue    Pink    Blue   Pink         False            NaN
4   5  Blue  Orange    Pink  Green         False            NaN
5   6  Blue  Orange    Pink  Green          True            5.0
6   7   Red  Orange  Yellow  Green          True            3.0
7   8   Red  Orange  Yellow  Green          True            3.0

【讨论】：