python - 如何根据 "identifier columns"和 pandas 数据框中的附加条件替换值？

Question

作为某些数据清理的一部分，我需要“对齐”每个“年份”和“ID”组合的“A 列”中的值，具体取决于“年份”的“A 列”中是否有任何值 = 1 ' 和 'ID' 组合

我已经尝试过np.where()，但只收到ValueError:只能比较相同标签的Series对象

这是一个简短的数据框示例:

import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[1, 2007, 0], 
                       [2, 2008, 0], 
                       [2, 2009, 1], 
                       [3, 2007, 0], 
                       [4, 2010, 0], 
                       [4, 2011, 1], 
                       [4, 2011, 0]]), #I want to change this 0 to 1
             columns=['ID', 'Year', 'ColA'])

结果应该是这样的:

result = pd.DataFrame(np.array([[1, 2007, 0], 
                       [2, 2008, 0], 
                       [2, 2009, 1], 
                       [3, 2007, 0], 
                       [4, 2010, 0], 
                       [4, 2011, 1], 
                       [4, 2011, 1]]),
             columns=['ID', 'Year', 'ColA'])

Answer 1

我们可以使用groupby.transform与 any 。然后我们会得到一个 boolean 返回，因此如果我们使用 astype 将其转换为 int我们得到了想要的结果:

m = df.groupby(['ID', 'Year'])['ColA'].transform(any).astype(int)
df['ColA'] = m

   ID  Year  ColA
0   1  2007     0
1   2  2008     0
2   2  2009     1
3   3  2007     0
4   4  2010     0
5   4  2011     1
6   4  2011     1