如果组中的任何一行包含某个值，则创建一个新列并分配值答案

【问题标题】：Creating a new column and assigning values if any one of the row within a group contains a certain value如果组中的任何一行包含某个值，则创建一个新列并分配值
【发布时间】：2019-05-02 17:42:01
【问题描述】：

我正在尝试根据以下条件为 group by 中的每个组分配值：如果组中的任何一行包含特定值，则该组的新列值应该是某个值。

到目前为止，我已经尝试使用 np.where 和 pandas 数据框 any() 并将其应用于分组依据。这适用于非常小的数据集。我的原始数据集包含大约 180 万条记录，我尝试过的方法太慢，它永远不会在原始数据集上运行完成。所以想知道是否有有效的方法来实现这一点。

例如，如果我有一个包含 A、B 和 C 列的数据框

     A      B   C
0   alpha   m   t
1   beta    n   r
2   cosine  q   f
3   alpha   m   t
4   beta    m   t
5   alpha   n   r
6   cosine  q   f

对于 B 和 C 组，创建一个新列“D”，其值基于“A”。在一个组中，如果 A 列的任何一行具有 beta，则该组的“D”列（D 的所有行）应该是 beta。如果组中没有任何行包含 beta，则下一个层次结构是余弦，即，如果该组中 A 列的任何行具有余弦，则该组中 D 列的所有行都应该是余弦。

目前为止我尝试过的方法：

def test(dft):
    dft['D']=np.where(dft[dft['A']=='beta'].any(),'beta',np.where(dft[dft['A']=='cosine'].any(),'cosine',np.where(dft[dft['A']=='alpha'].any(),'alpha',dft['A'])))
    return dft['D']

dft2=dft.groupby(['B','C']).apply(test)
dft2=dft2.reset_index()

我得到的结果是：

    B   C   level_2    D
0   m   t   0         beta
1   m   t   3         beta
2   m   t   4         beta
3   n   r   1         beta
4   n   r   5         beta
5   q   f   2         cosine
6   q   f   6         cosine

预期结果应如下所示：

     A      B   C          D
0   alpha   m   t        beta
1   beta    n   r        beta
2   cosine  q   f        cosine
3   alpha   m   t        beta
4   beta    m   t        beta
5   alpha   n   r        beta
6   cosine  q   f        cosine

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

IIUC 使用 Categorical 转换您的列 A ，然后执行 groupby transform

df.A=pd.Categorical(df.A,categories=['alpha','cosine','beta'],ordered=True)
df.groupby(['B','C']).A.transform('max')
Out[1200]: 
0      beta
1      beta
2    cosine
3      beta
4      beta
5      beta
6    cosine
Name: A, dtype: object
df['D']=df.groupby(['B','C']).A.transform('max')

【讨论】：

非常聪明 (-:
非常聪明确实！非常感谢！ @文本

【解决方案2】：

麻木

我想到了使用 Numpy。这主要是为了我的利益，但如果其他人感兴趣，我想我会分享。

# This will assign a factorized version of the combination of `df.B` and `df.C`
# `i` will be the integer factor values
# `u` will have the unique tuples that are the combinations themselves
i, u = pd.factorize([*zip(df.B, df.C)])

# `order` acts as both the labels and the priority ordering
order = np.array(['beta', 'cosine', 'alpha'])
# use Numpy broadcasting to see get a boolean version of one-hot encoded values
conds = df.A.values == order[:, None]

# create a new array that has the same number of rows as the number of unique
# combinations of `'B'` and `'C'`... or `len(u)` and the number of columns equal
# to the number of items in `order`
out = np.zeros((len(u), len(order)), bool)

j = np.tile(i, len(u))
k = np.arange(len(u)).repeat(len(i))

# Surgically place cumulative or evaluations into the `out` array
np.logical_or.at(out, (k, j), conds.ravel())

df.assign(D=np.select(out, order)[i])

        A  B  C       D
0   alpha  m  t    beta
1    beta  n  r    beta
2  cosine  q  f  cosine
3   alpha  m  t    beta
4    beta  m  t    beta
5   alpha  n  r    beta
6  cosine  q  f  cosine

【讨论】：