根据另一个列值 pandas 数据框创建 \"Yes\" 列答案

【问题标题】：Create "Yes" column according to another column value pandas dataframe根据另一个列值 pandas 数据框创建 \"Yes\" 列
【发布时间】：2023-01-04 21:17:43
【问题描述】：

想象一下，我有一个包含员工 ID、他们的合同编号和他们工作的公司的数据框。每个员工都可以为同一家公司甚至不同公司签订任意数量的合同：

ID  Contract Number Company
10000   1           Abc
10000   2           Zxc
10000   3           Abc
10001   1           Zxc
10002   2           Abc
10002   1           Cde
10002   3           Zxc

我需要找到一种方法来识别每个 ID 的合同号为“1”的公司，然后创建一个“主合同”列，如果合同与合同公司在同一家公司，则该列将设置为“是”在此数据帧上产生的数字 1：

ID  Contract Number Company Primary Compay
10000   1            Abc           Yes
10000   2            Zxc           No
10000   3            Abc           Yes
10001   1            Zxc           Yes
10002   2            Abc           No
10002   1            Cde           Yes
10002   3            Zxc           No

实现它的最佳方法是什么？

【问题讨论】：

您可能希望使用布尔值 (True/False) 来存储此类信息，而不是使用字符串值二进制模式。

标签： python pandas dataframe multiple-columns

【解决方案1】：

您可以将 groupby.apply 与 isin 和 numpy.where 一起使用：

df['Primary Company'] = np.where(
 df.groupby('ID', group_keys=False)
   .apply(lambda g: g['Company'].isin(g.loc[g['Contract Number'].eq(1), 'Company'])
         ),
 'Yes', 'No'
)

输出：

      ID  Contract Number Company Primary Company
0  10000                1     Abc             Yes
1  10000                2     Zxc              No
2  10000                3     Abc             Yes
3  10001                1     Zxc             Yes
4  10002                2     Abc              No
5  10002                1     Cde             Yes
6  10002                3     Zxc              No

如果您可以只使用布尔值 (True/False) 而不是 'Yes'/'No'：

df['Primary Company'] = (
 df.groupby('ID', group_keys=False)
   .apply(lambda g: g['Company'].isin(g.loc[g['Contract Number'].eq(1), 'Company']))
)

【讨论】：

【解决方案2】：

我认为您只需要一个自定义函数并将其应用于一列，如下所示：

x=pd.DataFrame({"A":[1,2,3]})

def f(d):
  return "Yes" if d==1 else "No"

    
x=x["A"].apply(f)
print(x)

输出：

0    Yes
1     No
2     No

【讨论】：