基于ID分组Pandas DataFrame，将含'H'的组risk列全改为'H'

API 探路者

2026-5-27

解决Pandas按组批量修改列值的需求

嘿，这个需求我之前也碰到过，用Pandas可以很轻松搞定！核心思路就是先按ID分组判断是否存在'H'，再把符合条件的组统一修改值。下面给你两个实用的实现方法：

方法一：用groupby + transform（最简洁直接）

这个方法一步到位，transform会自动把分组的计算结果映射回原DataFrame的每一行，不用额外处理索引：

import pandas as pd

# 构造你的原始DataFrame
data = {
    'ID': [1111,1111,1111,1111,1112,1112,1113,1113,1113,1113,1113,1114,1114,1114,1114],
    'risk': ['H','H','L','L','L','L','H','L','H','H','H','L','L','L','L']
}
df = pd.DataFrame(data)

# 核心逻辑：按ID分组，组内有'H'则整组risk设为'H'，否则保留原值
df['risk'] = df.groupby('ID')['risk'].transform(lambda x: 'H' if (x == 'H').any() else x)

print(df)

方法二：用groupby + filter + loc（更灵活，适合后续复用ID列表）

如果之后你还需要用到那些包含'H'的ID列表，这个方法会更方便：

import pandas as pd

data = {
    'ID': [1111,1111,1111,1111,1112,1112,1113,1113,1113,1113,1113,1114,1114,1114,1114],
    'risk': ['H','H','L','L','L','L','H','L','H','H','H','L','L','L','L']
}
df = pd.DataFrame(data)

# 第一步：筛选出所有包含'H'的ID
has_h_ids = df.groupby('ID').filter(lambda x: (x['risk'] == 'H').any())['ID'].unique()

# 第二步：把这些ID对应的所有行的risk改成'H'
df.loc[df['ID'].isin(has_h_ids), 'risk'] = 'H'

print(df)