Pandas识别A/B/C列同值且组内D列含Invalid的行并返回布尔向量

核心逻辑是按A、B、C三列分组后，判断每个分组的D列是否存在'Invalid'值，再将分组级别的判定结果映射到组内所有行。

步骤1：构造示例数据 #

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [0,0,0,1,1,1,2,2,2,1],
    'B': [0,0,0,1,1,1,2,2,2,2],
    'C': [0,0,0,1,1,1,2,2,2,5],
    'D': [np.nan, np.nan, 'Invalid', np.nan, np.nan, np.nan, np.nan, np.nan, 'update', np.nan]
})

步骤2：核心实现（一行代码搞定） #

用groupby.transform直接将分组判定结果广播到每一行，是最简洁的写法：

result = df.groupby(['A', 'B', 'C'])['D'].transform(lambda x: (x == 'Invalid').any())

输出结果验证 #

针对示例数据，输出的布尔向量如下，完全符合预期：

0     True
1     True
2     True
3    False
4    False
5    False
6    False
7    False
8    False
9    False
Name: D, dtype: bool

大数据量优化方案 #

如果你的数据量超过10万行，用merge的方式性能更好，避免lambda函数在transform中的额外开销：

# 先计算每个分组是否存在Invalid
group_flag = df.groupby(['A', 'B', 'C'])['D'].agg(has_invalid=lambda x: (x == 'Invalid').any()).reset_index()
# 关联回原表得到每行的结果
df = df.merge(group_flag, on=['A', 'B', 'C'], how='left')
result = df['has_invalid']

内容的提问来源于stack exchange，提问作者Francesco Gualtieri