如何仅用groupby实现DataFrame分组后的多列存在性标记？

给定如下结构的pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'id':[1,2,3,1, 1], 'time_stamp_date':['12','12', '12', '14', '14'], 'sth':['col1','col1', 'col2','col2', 'col3']})

需求：针对sht_list中的每个列名，标记其在对应id和time_stamp_date分组下是否存在于sth列，生成col1、col2等标记列（存在为1，不存在为0）。

目前已有可行代码（借助transform实现）：

df_out = df.assign(**{col: df.groupby(['id','time_stamp_date']).sth.transform(lambda x: (x==col).any()).astype(int) for col in sht_list})

但希望仅使用groupby（不借助transform及drop_duplicates），尝试的代码报错：

df_out = df.groupby(['id','time_stamp_date'])[['sth']].agg({lambda x: (x==col).any().astype(int) for col in sht_list})

错误信息：

SpecificationError: Function names must be unique, found multiple named <lambda>

请问能否修改该代码使其生效？

报错原因是传给agg的字典将所有lambda函数作为键，导致键名重复（均为<lambda>），pandas无法区分各聚合操作对应的列名。只需将字典的键替换为sht_list中的列名，保留对应判断逻辑即可。

修改后的完整代码：

import pandas as pd

df = pd.DataFrame({'id':[1,2,3,1, 1], 'time_stamp_date':['12','12', '12', '14', '14'], 'sth':['col1','col1', 'col2','col2', 'col3']})
sht_list = ['col1', 'col2', 'col3']

df_out = df.groupby(['id','time_stamp_date'])['sth'].agg(
    {col: lambda x: int((x == col).any()) for col in sht_list}
).reset_index()

关键说明： #

1. 用sht_list的元素作为字典键，pandas会直接将这些值作为生成的标记列名，避免键重复问题。
2. 把astype(int)替换为int()，实现相同的类型转换，写法更简洁。
3. 调用reset_index()将分组的id和time_stamp_date从索引转回普通列，匹配需求的输出结构。

执行后得到的df_out结构：

内容的提问来源于stack exchange，提问作者corianne1234