Pandas如何根据分组条件修改列值并生成新列

你可以通过groupby结合transform方法完成需求，两种常用实现方式如下：

代码实现 #

import pandas as pd

# 原始数据
d = {'id': [1, 1, 2, 2, 3], 'value': [0, 1, 0, 0, 1]}
df = pd.DataFrame(data=d)

# 方法1：使用内置max聚合（性能更高，适合大数据量场景）
# 同一分组内value最大值为1则说明存在1，否则最大值为0，完全匹配需求
df['newvalue'] = df.groupby('id')['value'].transform('max')

# 方法2：使用自定义lambda+any判断（可读性更强）
# 直接对应“分组内存在任意1就返回1”的规则
# df['newvalue'] = df.groupby('id')['value'].transform(lambda x: 1 if x.any() else 0)

print(df)

运行后输出结果和你期望的完全一致：

id  value  newvalue
0   1      0         1
1   1      1         1
2   2      0         0
3   2      0         0
4   3      1         1

说明 #

• transform方法会将分组聚合后的结果广播到分组内的所有行，刚好匹配你需要同组所有行取值一致的要求
• 优先推荐方法1，pandas内置聚合函数的执行效率远高于自定义lambda函数，数据量越大优势越明显

内容的提问来源于stack exchange，提问作者vojta