PySpark：如何按ID判断Category列中是否存在Rose值

以下是几种常用工具的实现方法，根据你的使用场景选择：

Excel 实现步骤 #

1. 提取唯一ID列表：复制原数据的id列到空白列，选中该列后点击「数据」→「删除重复值」，得到每个唯一ID。
2. 计算每个ID是否包含Rose：在唯一ID旁的单元格输入公式（假设原id列是A列，Category列是B列，唯一ID列是D列）：

   =IF(COUNTIFS($A:$A,D2,$B:$B,"Rose")>0,"Yes","No")
   

   下拉公式得到所有ID的标识结果。
3. 匹配回原数据：在原数据的Has_Rose列输入VLOOKUP公式，将步骤2的结果匹配到对应行：

   =VLOOKUP(A2,$D:$E,2,FALSE)
   

   （$D:$E是唯一ID和标识结果的列范围）

Python Pandas 实现代码 #

使用分组+transform方法，直接给每行添加标识：

import pandas as pd

# 示例数据（替换为你的实际数据）
df = pd.DataFrame({
    'id': [1, 1, 2, 2, 3],
    'Category': ['Rose', 'Lily', 'Tulip', 'Rose', 'Daisy']
})

# 新增Has_Rose列，判断每个id分组是否包含Rose
df['Has_Rose'] = df.groupby('id')['Category'].transform(
    lambda group: 'Yes' if 'Rose' in group.values else 'No'
)

print(df)

运行后会得到每行对应的Has_Rose标识，结果如下：

SQL 实现语句 #

方法1：使用EXISTS子查询 #

SELECT
    id,
    Category,
    CASE
        WHEN EXISTS (
            SELECT 1
            FROM your_table t2
            WHERE t2.id = t1.id AND t2.Category = 'Rose'
        ) THEN 'Yes'
        ELSE 'No'
    END AS Has_Rose
FROM your_table t1;

方法2：使用COUNT窗口函数 #

SELECT
    id,
    Category,
    CASE
        WHEN COUNT(CASE WHEN Category = 'Rose' THEN 1 END) OVER (PARTITION BY id) > 0
        THEN 'Yes'
        ELSE 'No'
    END AS Has_Rose
FROM your_table;

内容的提问来源于stack exchange，提问作者sparc