正如您所写的，您只有两个可能的值，您可以比较每个值的计数：

def fix_outliers(sr):
    cnt = sr.value_counts()
    return sr if cnt.iloc[0] == cnt.iloc[1] else [cnt.index[0]]*len(sr)

out = df.groupby('name')['val'].transform(fix_outliers)

输出：

>>> out
0     2
1     2
2     2
3     2
4     1
5     1
6     1
7     1
8     1
9     1
10    2
11    2
Name: val, dtype: int64

如果您想保留出现次数最多的值，可以使用mode查找这些值，然后检查mode的count是否等于1。如果不等于1，则意味着有两个或更多值以相同频率出现。

for name in df["name"].unique(): #find distinct names in df
    if(df[(df["name"] == name)].mode()["val"].count() == 1): #check if mode is sized 1
        most_common_value = df[(df["name"] == name)].mode()["val"][0] # find the mode
        df.loc[df["name"] == name , "val"] = most_common_value # modify df to val be the mode

输出：

name val
0   A   2
1   A   2
2   A   2
3   A   2
4   B   1
5   B   1
6   B   1
7   B   1
8   C   1
9   C   1
10  C   2
11  C   2