python - Pandas Groupby、过滤器和插入列

Question

我正在使用一个 Pandas 数据框，该数据框有一列带有代表客户的唯一 ID 代码。每个 ID 代码在表中的几行中重复出现。表中的另一列带有布尔标志，真或假。我正在尝试调整表格，以便对于每个 ID 代码，如果至少有一个标志设置为 true，它们都将设置为 true；即，您可以在 10 行中有一个客户 ID 代码，其中 9 行的标志设置为 false，但有一个设置为 true。我希望所有行现在都设置为 true。这是我尝试过的：

data=[
    {"id":"a","flag":True},
    {"id":"a","flag":True},
    {"id":"a","flag":False},
    {"id":"b","flag":False},
    {"id":"a","flag":True},
    {"id":"a","flag":True}]
df = pd.DataFrame(data)

df.groupby('id').filter(lambda x:(x['flag']==True).any())['mod_flag'] = True```

df[df['mod_flag'] != True] = False

但它在第二行抛出了一个关键错误mod_flag。任何帮助将不胜感激 - 谢谢！

编辑：

在此处添加示例数据表以获得所需的输出：

ID	旗帜	mod_flag
一个	错误的	错误的
一个	错误的	错误的
b	错误的	真的
b	错误的	真的
b	真的	真的
C	真的	真的
C	真的	真的

其中 ID = b 的行是需要更改的行。

标签： pythonpandas

Answer 1

• groupby()将所有相关行放在一起
• transform()为每项工作获得价值
• 简单的熊猫系列any()

df = pd.DataFrame({"client_id":np.random.randint(1,5,8),
             "flag":np.random.choice([False,True], 8)}).sort_values("client_id")

df.assign(newflag=df.groupby("client_id")["flag"].transform(lambda s: s.any()))

	client_id	旗帜	新旗
3	1	真的	真的
6	1	错误的	真的
0	2	真的	真的
2	2	真的	真的
7	2	真的	真的
1	3	真的	真的
4	3	错误的	真的
5	4	错误的	错误的