我想检查一列的重复行，并添加其他列的对应行。
如果日期范围如下：
A B C D E F G
13348 xyzqr 324580 1 1 1 1
13348 grpret 325810 4 4 4 4
45832 gberthh 258729 2 1 3 4
45832 bhdrffe 025892 2 1 1 4
58712 bgrtw 984562 2 2 2 2
76493 hzrt 638495 1 1 1 2
643509 . T648501 1 1 1 1
643509 . R648501 1 1 1 1
之后，添加列（B，C，D，E，F）的对应行必须检查对应行的所有列是否相等。如果相等，将相同的数字赋予其他列，否则为“ 0”。
对于上面的示例，由于有两个重复的行13348，并且对应行的相加使（D = 5，E = 5，F = 5，G = 5）的每一列为5，因此输出应为5。 ，因为45832添加后具有不同的列（D = 4，E = 2，F = 4，G = 8）值，因此输出应为0。
剩余列应为重复行的最小索引值。
输出应如下所示：
A B C D
13348 xyzqr 324580 5
45832 gberthh 258729 0
58712 bgrtw 984562 2
76493 hzrt 638495 0
643509 . T648501 2
我很高兴知道一些建议。
最佳答案
我认为需要：
cols = ['D','E','F','G']
#for each group transpose df and check if all duplicates
df1 = df.groupby('A')[cols].apply(lambda x: x.T.duplicated(keep=False))
#for duplicates aggregate sum else 0
arr = np.where(df1.all(axis=1), df.groupby('A')[cols[0]].sum(), 0)
#remove unnecessary columns and add new, get first rows per column A
df = df.drop(cols, axis=1).drop_duplicates('A').assign(D=arr)
print (df)
A B C D
0 13348 xyzqr 324580 5
2 45832 gberthh 258729 0
4 58712 bgrtw 984562 2
5 76493 hzrt 638495 0
6 643509 . T648501 2
如果所有值都是重复值，请检查每个组的替代解决方案：
cols = ['D','E','F','G']
m = df.groupby('A')[cols].apply(lambda x: x.T.duplicated(keep=False).all())
print (m)
A
13348 True
45832 False
dtype: bool
arr = np.where(m, df.groupby('A')[cols[0]].sum(), 0)
df = df.drop(cols, axis=1).drop_duplicates('A').assign(D=arr)
print (df)
A B C D
0 13348 xyzqr 324580 5
2 45832 gberthh 258729 0
4 58712 bgrtw 984562 2
5 76493 hzrt 638495 0
6 643509 . T648501 2