如何添加新列并根据另一列的系列填充特定值？

Question

我是 Pandas 的新手，但由于将具有恒定值的列添加到 pandas 数据框，我能够一次添加不同的列

c = {'new1': 'w', 'new2': 'y', 'new3': 'z'}

df.assign(**c)

但是，我试图弄清楚当我想向数据框添加新列（当前为 120 万行 * 23 列）时要采取的路径是什么。

让我们稍微简化一下 df 并尝试使其更清晰：

Order   Orderline   Product  

1       0           Laptop  

1       1           Bag  

1       2           Mouse  

2       0           Keyboard  

3       0           Laptop  

3       1           Mouse  

我想添加一个新列，这取决于订单是否至少有 1 个产品 == Bag，那么它应该是 1（对于该特定订单的所有行），否则为 0。

结果将变为：

Order   Orderline   Product   HasBag  

1       0           Laptop    1  

1       1           Bag       1  

1       2           Mouse     1  

2       0           Keyboard  0  

3       0           Laptop    0  

3       1           Mouse     0  

我可以做的是找到所有唯一的订单号，然后过滤掉子框架，检查产品列的 Bag，如果找到，则在新列中添加 1，否则为 0，然后用结果替换原始子框架。

可能有更好的方式来实现这一点，而且性能也更高。

我尝试这样做的主要原因是稍后将事情弄平。每个订单都应成为具有某些产品值的 1 行。我不再需要 Bag 的信息，但如果原始订单曾经有 Bag (1) 或没有 Bag (0)，我想保留在我的数据框中。

最终，当数据被清除后，它可以用作 scikit-learn 的基础（或者这就是我所希望的）。

Answer 1

如果我理解正确，你想要GroupBy.transform.any首先，我们通过检查其中的哪些行带有 来创建一个Product布尔Bag数组Series.eq。然后我们GroupBy在这个布尔数组上检查any值是否为True. 我们transform用来保持初始数组的形状，以便我们可以将值分配回去。df['ind'] = df['Product'].eq('Bag').groupby(df['Order']).transform('any').astype(int)   Order  Orderline   Product  ind0      1          0    Laptop    11      1          1       Bag    12      1          2     Mouse    13      2          0  Keyboard    04      3          0    Laptop    05      3          1     Mouse    0