在Julia分组DataFrame中按组检测列是否存在指定值

原始数据与需求 #

首先定义初始DataFrame：

using DataFrames, DataFramesMeta
df = DataFrame(x = [1, 2, 3, 4, 5, 6], y = ["a", "a", "a", "b", "b", "b"])

需求：新增列z，按y列分组后，判断每组中是否存在x == 2的行，最终结果如下：

6×3 DataFrame
 Row │ x      y       z     
     │ Int64  String  Bool  
─────┼──────────────────────
   1 │     1  a       true
   2 │     2  a       true
   3 │     3  a       true
   4 │     4  b       false
   5 │     5  b       false
   6 │     6  b       false

尝试过的方法及问题 #

1. 直接使用@transform分组处理：

   @transform(groupby(df, :y), :z = :x == 2 ? true : false)
   

   以及单独使用@rtransform均未达到预期——这类写法会逐行判断x == 2，而非针对整个组做统一判断。

2. 尝试结合Impute包填充：

   using Impute
   df_new = @chain df begin
       @rtransform :z = :x == 2 ? 1 : missing
       groupby(_, :y)
       @transform :z_new = Impute.locf(:z)
   end
   

   触发错误AssertionError: !(all(ismissing, data))，原因是b组的z列全为missing，不满足Impute.locf的非全缺失要求。

3. 临时可行方案：

   df_new = @chain df begin
       @rtransform :z = :x == 2 ? true : false
       groupby(_, :y)
       @transform :z = sum(:z) .> 0 ? true : false
   end
   

   该方案通过统计组内true的数量判断是否存在目标行，但语义不够直观。

更优解决方案 #

利用any函数直接判断组内是否存在满足条件的元素，结合@chain和分组操作，写法简洁且语义准确：

df_new = @chain df begin
    groupby(_, :y)
    @transform :z = any(:x .== 2)
end

原理：分组后，any(:x .== 2)会对当前组的x列整体判断是否存在等于2的元素，返回一个布尔值，随后该值会自动广播到组内所有行，完美匹配需求。

内容的提问来源于stack exchange，提问作者Pascal