Pandas：无需遍历行，按分组条件更新Validated列值

完全可以不用遍历每一行，借助Pandas的分组（groupby）和transform方法就能高效实现需求，核心思路是先按指定列分组，判断每组是否存在正值，再批量更新列值。

实现代码 #

import pandas as pd

# 构造你提供的示例DataFrame
data = {
    'State': ['Arizona', 'Alabama', 'Arkansas', 'Kentuky', 'Ohio', 'Alabama', 'Arizona', 'California', 'California', 'Arkansas', 'Ohio', 'California'],
    'ColorName': ['Yellow', 'Orange', 'Red', 'Green', 'Blue', 'Orange', 'Yellow', 'Blue', 'Blue', 'Red', 'Yellow', 'Blue'],
    'Code': ['A', 'A', 'B', 'M', 'X', 'A', 'A', 'C', 'C', 'B', 'X', 'C'],
    'Value': [50, 150, -500, -40, 100, -30, 100, 100, -100, 500, 100, 100],
    'Validated': [''] * 12
}
df = pd.DataFrame(data)

# 核心逻辑：分组判断每组是否存在正值，批量更新Validated列
# 生成与原DataFrame同长度的布尔序列，标记每组是否有正值
has_positive = df.groupby(['State', 'ColorName', 'Code'])['Value'].transform(lambda x: (x > 0).any())
# 对无正值的组，将Validated设为"Invalid"
df['Validated'] = df['Validated'].mask(~has_positive, 'Invalid')

print(df)

代码说明 #

• groupby(['State', 'ColorName', 'Code'])：按你指定的三列对数据分组，把相同组合的行归为一组
• transform(lambda x: (x > 0).any())：对每组计算是否存在Value>0的行，返回和原DataFrame行数一致的布尔序列，保证每行都能对应到所在组的判断结果
• mask(~has_positive, 'Invalid')：当布尔值为False（即组内无任何正值）时，将该行的Validated列替换为"Invalid"，其余行保持原有值（这里是空字符串）

运行后，只有Kentuky-Green-M这一组因为没有正值，对应的行Validated会被设为"Invalid"，其余组均保持空值。

内容的提问来源于stack exchange，提问作者Ishit Vyas