对DataFrame按ID分组后应用算术与比较运算符，添加风险等级列

没问题，我来帮你搞定这个需求！首先我们先构造出你提供的DataFrame，然后按ID分组，再根据自定义条件为每行添加risk列（'H'代表高风险，'L'代表低风险）。

1. 构造初始DataFrame #

首先我们用pandas创建你给出的数据集：

import pandas as pd

data = {
    'ID': [1111, 1111, 1111, 1111, 1112, 1112, 1113, 1113, 1113, 1113, 1113, 1114, 1114, 1114, 1114],
    'Age': [66, 66, 66, 66, 45, 45, 78, 78, 78, 78, 78, 52, 52, 52, 52],
    'Code': ['C18.2', 'C98.4', 'I50', 'D20', 'C54', 'C54', 'N18.3', 'N18.6', 'N18.2', 'N18.1', 'N18.1', 'C40', 'C19', 'C100', 'C100']
}
df = pd.DataFrame(data)

2. 核心实现：分组后添加风险列 #

这里的关键是用groupby('ID')分组，再通过transform方法将分组判断的结果映射回原DataFrame的每一行（保证同一ID的所有行拥有相同的风险等级）。下面举几个常见的条件示例，你可以根据实际需求调整：

示例1：分组内存在恶性肿瘤编码（以'C'开头）则标记高风险 #

如果你的条件是只要分组里有任意一个以'C'开头的诊断码（通常代表恶性肿瘤），就标记为'H'，否则为'L'，可以这样写：

# 对每个ID分组，判断是否存在C开头的Code，再映射回原表
df['risk'] = df.groupby('ID')['Code'].transform(
    lambda x: 'H' if x.str.startswith('C').any() else 'L'
)

运行后得到的结果如下：

示例2：分组内存在重复诊断码则标记高风险 #

如果你的条件是分组里有重复出现的诊断码，就标记为'H'，可以用自定义函数实现：

def check_duplicate_codes(group):
    # 统计每个Code在分组内的出现次数
    code_counts = group['Code'].value_counts()
    # 判断是否有出现次数>1的Code
    return 'H' if (code_counts > 1).any() else 'L'

df['risk'] = df.groupby('ID')['Code'].transform(check_duplicate_codes)

这个逻辑下，ID1112（C54重复）、ID1113（N18.1重复）、ID1114（C100重复）都会被标记为'H'，只有ID1111的Code无重复，标记为'L'。

示例3：组合年龄与诊断码的复杂条件 #

如果你的条件更复杂，比如年龄超过65岁且存在循环系统疾病编码（以'I'开头）则标记高风险，可以这样写：

def check_risk(group):
    # 判断分组内是否有I开头的Code
    has_circulatory_disease = group['Code'].str.startswith('I').any()
    # 同一ID的Age相同，取第一个值判断是否大于65
    is_elderly = group['Age'].iloc[0] > 65
    # 满足两个条件则返回'H'，否则'L'
    return 'H' if has_circulatory_disease and is_elderly else 'L'

# transform会对每个分组应用函数，返回与原表行数匹配的结果
df['risk'] = df.groupby('ID').transform(check_risk)['Code']

这个逻辑下，只有ID1111（年龄66>65，且有I50编码）会被标记为'H'，其他ID都为'L'。

关键知识点总结 #

• groupby('ID')：按ID对数据进行分组，把同一ID的行归为一组
• transform()：将分组后的计算结果映射回原DataFrame的每一行，保证同一组的所有行得到相同的结果
• 自定义条件：你可以根据需求在lambda或自定义函数中加入任意算术/比较运算，灵活调整风险判断逻辑

内容的提问来源于stack exchange，提问作者HT121