如何结合.loc与groupby的apply函数实现分组统一赋值？

问题背景 #

此问题曾被标记为重复问题，若相关问题未解决需求，可编辑问题突出差异后申请重开。

具体需求 #

我有一个包含多列的DataFrame，已成功为新列sent_inclination赋值，但希望修改输出，使同一id分组内的该列值保持一致。具体规则为：若组内存在freq_cent>0.5的行，则整个分组的sent_inclination列取符合该条件的Sentiment值，无论该行自身的freq_cent是否大于0.5。

示例数据与代码 #

data = {'id': ['205', '205', '204', '204', '204'], 
         'Sentiment': ['Positive', 'Positive', 'Neutral', 'Positive', 'Positive']}
df = pd.DataFrame(data)

df['freq'] = df.groupby('Sentiment')['id'].transform(pd.Series.nunique)
df['freq_sum'] = df.groupby('id')['freq'].transform(pd.Series.count)
df['freq_cent'] = (df['freq']/df['freq_sum'])

当前输出与期望输出 #

使用代码df['sent_inclination'] = df.loc[df['freq_cent'] >0.5, ['Sentiment']]得到的输出中，id为204的分组里存在NaN值，期望该分组所有行的sent_inclination均为Positive。

当前输出 #

id  Sentiment   freq    freq_sum    freq_cent   sent_inclination
0   205 Positive    2       2           1.000000    Positive
1   205 Positive    2       2           1.000000    Positive
2   204 Neutral     1       3           0.333333    NaN
3   204 Positive    2       3           0.666667    Positive
4   204 Positive    2       3           0.666667    Positive

期望输出 #

id  Sentiment   freq    freq_sum    freq_cent   sent_inclination
0   205 Positive    2       2           1.000000    Positive
1   205 Positive    2       2           1.000000    Positive
2   204 Neutral     1       3           0.333333    Positive
3   204 Positive    2       3           0.666667    Positive
4   204 Positive    2       3           0.666667    Positive

尝试过的方法 #

已尝试以下多种groupby.apply写法但未成功，groupby.filter也不适用：

df['sent_inclination'] = df.loc[df.groupby('id').apply(lambda x: df.loc[df['freq_cent'] >0.5, df['Sentiment']])]

df['sent_inclination'] = df.groupby('id').apply(lambda x: (df.query('freq_cent >0.5')['Sentiment']))

df.groupby('id').apply(lambda x: x['sent_inclination'] == x['Sentiment'] if (x['freq_cent'] > 0.5) else '')

df.groupby('id').apply(lambda x: x['sent_inclination'] == (df.query('freq_cent >0.5')['Sentiment']))

解决方案 #

可以通过以下两种高效方式实现需求：

方法一：利用映射表赋值 #

先提取每个id对应的目标Sentiment，再通过map方法批量赋值：

# 筛选出符合条件的行，去重得到每个id对应的Sentiment
id_sent_map = df[df['freq_cent'] > 0.5].drop_duplicates('id')[['id', 'Sentiment']].set_index('id')['Sentiment']
# 映射到原DataFrame，同一id的所有行都会被赋值为对应的Sentiment
df['sent_inclination'] = df['id'].map(id_sent_map)

方法二：分组transform处理 #

定义分组处理函数，通过transform将结果广播到整个分组：

def assign_sent_inclination(group):
    # 筛选组内freq_cent>0.5的行
    valid_rows = group[group['freq_cent'] > 0.5]
    if not valid_rows.empty:
        # 返回该组对应的Sentiment值（假设同一组内符合条件的Sentiment一致）
        return valid_rows['Sentiment'].iloc[0]
    return None  # 无符合条件行时返回None，可根据需求修改为默认值

# 应用到分组，生成新列
df['sent_inclination'] = df.groupby('id').apply(assign_sent_inclination).reindex(df['id']).values

两种方法都能得到期望的输出，方法一在数据量较大时效率更高。

内容的提问来源于stack exchange，提问作者Abir