用一些逻辑分组后用缺失值填充重复项

Question

我有一个数据框，如果 owner_type 相同，我需要删除 ticket_id 的重复项，如果不同，则选择 'm' 而不是 's'，如果没有值被选中，则返回 NaN：

data = pd.DataFrame({'owner_type':['m','m','m','s','s','m','s','s'],'ticket_id':[1,1,2,2,3,3,4,4]})

'|    | owner_type   |   ticket_id |
 |---:|:-------------|------------:|
 |  0 | m            |           1 |
 |  1 | m            |           1 |
 |  2 | m            |           2 |
 |  3 | s            |           2 |
 |  4 | s            |           3 |
 |  5 | m            |           3 |
 |  6 | s            |           4 |
 |  7 | s            |           4 |'

应该回馈：

'|    | owner_type   |   ticket_id |
 |---:|:-------------|------------:|
 |  0 | m            |         NaN |
 |  1 | m            |         NaN |
 |  2 | m            |           2 |
 |  3 | s            |         NaN |
 |  4 | s            |         NaN |
 |  5 | m            |           3 |
 |  6 | s            |         NaN |
 |  7 | s            |         NaN |'

伪代码如下：如果 ticket_id 重复，则查看 owner_type，如果 owner_type 有一个以上的值，则返回“m”的值和“s”的 NaN。

我的尝试

data.groupby('ticket_id').apply(lambda x: x['owner_type'] if len(x) < 2 else NaN)

不工作

Answer 1

尝试这个：

(df['ticket_id'].where(
    ~df.duplicated(['owner_type','ticket_id'],keep=False) & 
    df['owner_type'].eq(df.groupby('ticket_id')['owner_type'].transform('min'))))

旧答案：

m = ~df.duplicated(keep=False) & df['owner_type'].eq('m')
df['ticket_id'].where(m)

输出：

0    NaN
1    NaN
2    2.0
3    NaN
4    NaN
5    3.0
6    NaN
7    NaN