python - pandas groupby ID 然后在所有行的风险列中查找 'H' 字符的出现

Question

我有一个 Pandas 数据框 df 示例:

ID    risk
1111  H
1111  H
1111  L
1111  L
1112  L
1112  L
1113  H
1113  L
1113  H
1113  H
1113  H
1114  L
1114  L
1114  L
1114  L

我想根据 ID 对数据进行分组，然后在风险列中查找“H”字符的出现情况。如果特定 ID 的任何行中的风险列中存在任何“H”，我想将该风险列中该特定 ID 的所有行更改为“H”。这就是我想要得到的:

ID    risk
1111  H
1111  H
1111  H
1111  H
1112  L
1112  L
1113  H
1113  H
1113  H
1113  H
1113  H
1114  L
1114  L
1114  L
1114  L

我有一个非常大的数据框，那么我怎样才能有效地做到这一点？

Answer 1

首先找到 boolean indexing 的所有唯一ID然后将值替换为 numpy.where或 loc 和 isin :

v = df.loc[df['risk'] == 'H', 'ID'].unique()
df['risk'] = np.where(df['ID'].isin(v), 'H', df['risk'])

另一个解决方案:

df.loc[df['ID'].isin(df.loc[df['risk'] == 'H', 'ID'].unique()), 'risk'] = 'H'

使用groupby最慢的解决方案:

m = df.groupby('ID')['risk'].transform(lambda x: (x == 'H').any())
#better groupby alternative
#m = df['risk'].eq('H').groupby(df['ID']).transform('any')
df['risk'] = np.where(m, 'H', df['risk'])

<小时/>

print (df)
      ID risk
0   1111    H
1   1111    H
2   1111    H
3   1111    H
4   1112    L
5   1112    L
6   1113    H
7   1113    H
8   1113    H
9   1113    H
10  1113    H
11  1114    L
12  1114    L
13  1114    L
14  1114    L