Pandas按FreightTypeID分组计算useAll字段的实现方法

给定输入数据表，需按FreightTypeID维度分组，生成名为useAll的字段，取值规则为：若对应分组下Order列不存在空值则useAll为1，否则为0，最终返回每个FreightTypeID对应取值的结果表。

FreightID  FreightTypeID  Order
0          1              1    1.0
1          2              1    3.0
2          3              1    NaN
3          4              2    1.0
4          5              2    2.0
5          6              2    3.0
6          7              3    NaN
7          8              3    NaN
8          9              3    NaN

import pandas as pd
solution_dic = {"FreightID": [1,2,3,4,5,6,7,8,9], "FreightTypeID": [1,1,1,2,2,2,3,3,3], "Order": [1,3,None,1,2,3,None,None,None]}
df=pd.DataFrame(solution_dic)

FreightTypeID  UseAll
0              1       0
1              2       1
2              3       0

直接通过pandas分组聚合即可完成需求，核心代码如下：

# 按FreightTypeID分组计算UseAll
result = df.groupby('FreightTypeID', as_index=False).agg(
    UseAll=('Order', lambda col: 1 if col.notna().all() else 0)
)

代码逻辑说明：

• 调用groupby按FreightTypeID字段分组，传入as_index=False保证分组字段保留为普通列，不会成为结果表的索引
• 聚合时针对Order列做判断：col.notna().all()用来校验当前分组下Order列的所有值是否都非空，满足条件返回1，否则返回0，聚合结果列命名为UseAll
• 运行后得到的result和预期输出完全一致。

内容的提问来源于stack exchange，提问作者william007