按C列分区比较A列值集合是否匹配的实现方法咨询

假设你使用Python的pandas库处理数据，以下是具体实现步骤：

1. 准备示例数据 #

先构造符合你描述的示例数据集（新增一个不匹配分区用于测试）：

import pandas as pd

data = {
    'A': [22, 24, 22, 24, 22],
    'C': [0, 0, 1, 1, 2]
}
df = pd.DataFrame(data)

2. 计算各分区的A列取值集合 #

通过分组操作，提取每个C值对应的A列唯一值集合，使用frozenset保证集合可哈希、可比较：

# 获取每个C分组对应的A列唯一值集合
group_sets = df.groupby('C')['A'].apply(lambda x: frozenset(x.unique())).to_dict()

3. 生成匹配标记映射 #

以第一个分区的集合为基准，判断每个分区的集合是否与基准完全匹配，生成C值到匹配标记（1=匹配，0=不匹配）的映射：

# 取第一个分区的集合作为基准
base_set = next(iter(group_sets.values()))
# 生成匹配映射字典
match_map = {c_val: 1 if s == base_set else 0 for c_val, s in group_sets.items()}

4. 新增匹配标记列 #

将映射应用到原数据框，新增Match列：

df['Match'] = df['C'].map(match_map)

执行后，示例数据的输出结果为：

简化写法（一步到位） #

如果不需要保留分组集合的字典，也可以直接通过transform方法完成标记：

base_set = df.groupby('C')['A'].apply(lambda x: frozenset(x.unique())).iloc[0]
df['Match'] = df.groupby('C')['A'].transform(
    lambda x: 1 if frozenset(x.unique()) == base_set else 0
)

特殊场景处理：所有分区是否完全一致 #

如果需要判断所有分区的A列集合是否完全相同，并给所有行统一标记1或0，可以添加以下逻辑：

all_groups_match = len(set(group_sets.values())) == 1
df['All_Match'] = 1 if all_groups_match else 0

内容的提问来源于stack exchange，提问作者borisvanax