Python 使用熊猫标记列中的重复值

我有一个df，看起来像这样：

email      is_new   col_n
a@a        1           z 
a@a        1           x      
b@b        1           y 

  email      is_new      col_n
    a@a        0           z 
    a@a        1           x      
    b@b        0           y 

我想更新电子邮件地址第一个实例的is_new列。新df应如下所示：

email      is_new   col_n
a@a        1           z 
a@a        1           x      
b@b        1           y 

  email      is_new      col_n
    a@a        0           z 
    a@a        1           x      
    b@b        0           y 

我已尝试创建IF语句来检查电子邮件地址的计数，但它不起作用：

   1.  if df[df["email"].groupby().unique()> 1] ==True:
        print('ook')

   2. df.loc[df.groupby('email').groupby().unique(), 'is_new']=1

让我们试试groupby和cumcount：

或者

细节 cumcount返回一行中每个项目的递增计数：

df2 = pd.concat([df] * 2, ignore_index=True).sort_values('email')

这只是一个代表性示例，但计数可以大于1。我使用上述两种方法之一将所有计数>0转换为1：

df2.groupby('email').cumcount().ne(0).astype(int)
# df2.groupby('email').cumcount().astype(bool).astype(int)

0    0
1    1
3    1
4    1
2    0
5    1
dtype: int64

让我们试试groupby和cumcount：

或者

细节 cumcount返回一行中每个项目的递增计数：

df2 = pd.concat([df] * 2, ignore_index=True).sort_values('email')

这只是一个代表性示例，但计数可以大于1。我使用上述两种方法之一将所有计数>0转换为1：

df2.groupby('email').cumcount().ne(0).astype(int)
# df2.groupby('email').cumcount().astype(bool).astype(int)

0    0
1    1
3    1
4    1
2    0
5    1
dtype: int64

IIUC，使用：

IIUC，使用：

---

“is_late”列在哪里？实际上应该是什么列名？你是新来的吗？你迟到了吗？is_min？@coldspeed its is_new，我对我进行了编辑，似乎您想要的is_new列将更合适地命名为is_not_new，因为您将重复的值标记为1 is_late列在哪里？实际上应该是什么列名？你是新来的吗？你迟到了吗？is_min？@coldspeed its_是新的，我对我做了编辑，看来你想要的is_新专栏会更恰当地命名为is_not_new，因为您将重复的值标记为1@DanielMesejo我假设任何大于0的值都应该变为1。@coldspeed:如果你能解释cumcount和ne是如何工作的，那真的很有帮助吗？@RahulAgarwal完成了。@coldspeed:在cumcount之后，ne0检查哪个值不等于零，并给它分配一个整数值。。对吗？@coldspeed how我是否可以使您的代码灵活，以便无论是0还是1，代码都会用相反的值替换第一个值？因此，如果它的0值被1替换，反之亦然。@DanielMesejo我假设任何大于0的值都应该变为1。@coldspeed:如果你能解释cumcount和ne是如何工作的，那真的很有帮助吗？@RahulAgarwal Done.@coldspeed:在cumcount之后，ne0检查哪个值是检查哪个元素不等于零，并给它赋值it..right？@coldspeed如何使您的代码灵活，以便无论是0还是1，代码都会用相反的值替换第一个值？所以如果它的0值被1替换，反之亦然。谢谢你的回复。如何使您的代码灵活，以便无论是0还是1，代码都会用相反的值替换第一个值？所以如果它的0值被1替换，反之亦然。谢谢你的回复。如何使您的代码灵活，以便无论是0还是1，代码都会用相反的值替换第一个值？所以如果它的0值被1替换，反之亦然。

df['is_new'] = df.email.duplicated().astype(int)
#              df.duplicated(subset=['email']).astype(int)
#              
#              ^ second is better if you want to check more than a single column

  email  is_new col_n
0   a@a       0     z
1   a@a       1     x
2   b@b       0     y