基于Pandas按AdmittingCode分组并多条件判断创建LOSCategory分类列

我来帮你搞定这个Pandas的分组条件判断问题！根据你的需求，我们需要基于两个同时成立的分组级条件来生成LOSCategory列，下面一步步来实现：

1. 先创建示例数据 #

首先我们还原你给出的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'MemberID': [1, 2, 1, 2],
    'AdmittingCode': ['a', 'a', 'b', 'b'],
    'LOS': [5, 10, 2, 1],
    'Episode': [3, 6, 3, 6]
})

2. 实现多条件分组判断逻辑 #

核心思路是先计算每个AdmittingCode分组的LOS均值和中位数，再结合Episode的条件进行判断：

# 按AdmittingCode分组，计算每组LOS的均值和中位数，并映射到原DataFrame的每一行
grouped_los = df.groupby('AdmittingCode')['LOS']
los_mean = grouped_los.transform('mean')
los_median = grouped_los.transform('median')

# 定义两个需要同时满足的条件
condition1 = los_mean != 2 * los_median  # 分组均值≠中位数的2倍
condition2 = df['Episode'] < 5           # 当前行Episode小于5

# 生成LOSCategory：两个条件同时满足则为0，否则为1
df['LOSCategory'] = (~(condition1 & condition2)).astype(int)

3. 逻辑解释 #

• transform方法的作用是把分组计算的统计量（均值、中位数）广播到原DataFrame的每一行，保证我们能逐行和分组级的数值做比较。
• 我们用&表示两个条件同时成立，再通过~取反，最后转成整数类型（True对应1，False对应0），正好符合你要求的分类规则。

如果你觉得取反的逻辑有点绕，也可以用np.where写得更直观：

import numpy as np

df['LOSCategory'] = np.where(condition1 & condition2, 0, 1)

这个写法直接指定：当两个条件同时满足时赋值0，否则赋值1，结果和上面完全一致。

最终结果 #

运行代码后，你会得到预期的DataFrame：

内容的提问来源于stack exchange，提问作者WollyMc