按Col1分组后根据Col2条件填充DataFrame新列的实现需求

需求描述 #

对表格按Col1字段分组，根据每组Col2是否包含值Y，生成新列New_Col：

• 若分组内存在Col2=Y的行，将该行对应的Col3值填充至该组所有行的New_Col
• 若分组内无Col2=Y的行，直接将每行的Col3值填入New_Col

原始数据 #

期望输出 #

Pandas实现代码 #

下面是两种可行的实现方式：

方法一：分组自定义函数

通过groupby.apply结合自定义函数处理每个分组，逻辑直观清晰：

import pandas as pd

# 构建原始DataFrame
df = pd.DataFrame({
    'index': [0,1,2,3,4,5,6,7],
    'Col1': [1,1,1,2,2,3,3,3],
    'Col2': ['X','Y','X','X','X','X','X','Y'],
    'Col3': ['ABC','XX','QW','VB','AY','MM','YY','XX']
})

def process_group(group):
    if 'Y' in group['Col2'].values:
        # 提取分组内Col2=Y对应的Col3值
        target_val = group[group['Col2'] == 'Y']['Col3'].iloc[0]
        # 返回全组填充该值的序列
        return pd.Series([target_val]*len(group), index=group.index)
    else:
        # 无Y则返回原Col3值
        return group['Col3']

# 生成New_Col
df['New_Col'] = df.groupby('Col1').apply(process_group).droplevel(0)

print(df)

方法二：简洁版（利用映射填充）

先提取所有含Y分组的对应Col3值，再通过分组transform匹配，最后填充缺省值：

import pandas as pd

df = pd.DataFrame({
    'index': [0,1,2,3,4,5,6,7],
    'Col1': [1,1,1,2,2,3,3,3],
    'Col2': ['X','Y','X','X','X','X','X','Y'],
    'Col3': ['ABC','XX','QW','VB','AY','MM','YY','XX']
})

# 建立Col1到对应Y值的映射
y_mapping = df[df['Col2'] == 'Y'].set_index('Col1')['Col3']

# 分组后获取映射值，无映射则用原Col3填充
df['New_Col'] = df.groupby('Col1')['Col1'].transform(lambda g: y_mapping.get(g.iloc[0])).fillna(df['Col3'])

print(df)

两种方法都能得到符合要求的输出结果。

内容的提问来源于stack exchange，提问作者user3585510