基于条件与计算为Pandas DataFrame创建新列

原始数据 #

import pandas as pd

df = pd.DataFrame({
    "ID": [1, 1, 2, 2, 2, 3, 3],
    "length": [0.7, 0.7, 0.8, 0.6, 0.6, 0.9, 0.9],
    "comment": ["typed", "handwritten", "typed", "typed", "handwritten", "handwritten", "handwritten"]
})

原始数据预览：

需求说明 #

对每个ID分组执行以下规则：

• 若组内存在相同length对应不同comment的情况，该组所有行统一使用typed公式：5 × length
• 若组内不存在上述冲突，则按每行的comment分别匹配公式：
  • typed：5 × length
  • handwritten：7 × length

实现代码 #

# 1. 标记每个ID-length组合是否存在comment冲突
df['has_conflict'] = df.groupby(['ID', 'length'])['comment'].transform('nunique') > 1

# 2. 标记整个ID组是否存在冲突（只要有一个length组冲突，全组统一规则）
df['group_has_conflict'] = df.groupby('ID')['has_conflict'].transform('any')

# 3. 生成对应计算规则的文本
def get_calc_rule(row):
    if row['group_has_conflict']:
        return f"5*{row['length']}"
    else:
        return f"5*{row['length']}" if row['comment'] == 'typed' else f"7*{row['length']}"

df['Calculated Length'] = df.apply(get_calc_rule, axis=1)

# 清理中间辅助列（可选）
df = df.drop(['has_conflict', 'group_has_conflict'], axis=1)

最终结果 #

ID  length  comment         Calculated Length
0   1     0.7     typed           5*0.7
1   1     0.7  handwritten     5*0.7
2   2     0.8     typed           5*0.8
3   2     0.6     typed           5*0.6
4   2     0.6  handwritten     7*0.6
5   3     0.9  handwritten     7*0.9
6   3     0.9  handwritten     7*0.9

代码逻辑说明 #

1. 标记冲突单元：通过groupby(['ID', 'length'])统计每个长度组下的comment类型数量，若数量大于1则标记为冲突
2. 标记组冲突状态：对每个ID组，只要存在任意一个冲突的长度组，就标记该ID组需要统一使用typed公式
3. 生成计算规则：根据组冲突状态选择对应规则，无冲突时则按每行的comment匹配对应公式

内容的提问来源于stack exchange，提问作者ukanafun