Pandas python中多列上的数据帧条件

数据帧：

i_id    sg_yes_or_no
i-123   yes
i-123   yes
i-456   no
i-678   yes
i-1y6   yes
i-1y6   yes

预期产出应为：

i_id    sg_yes_or_no    sg_only_one sg_morethan_one
i-123   yes                         yes
i-123   yes                         yes
i-456   no      
i-678   yes             yes 
i-1y6   yes                         yes
i-1y6   yes                         yes

或

尝试使用以下语法，但无效：

for df['sg_yes_or_no'] in 'yes':
    if df['i_id'].nunique() == 1:
        df['sg_only_one'] = 'yes'
    elif df['i_id'].nunique() >= 1:
        df['sg_morethan_one'] = 'yes'

如果第二列为“是”，则考虑新的_数据帧，并检查（计数）新_数据帧中的第一列值。如果计数为1，则在第3列中写入“是”（或用“一个sg”更新第2列），如果计数大于1，则在第4列中写入“是”（或用“更多sg”更新第2列）

请协助

一个优雅的解决方案，包括：

---

我们还可以使用：

m1 = df.groupby('i_id')['i_id'].transform('size').gt(1)
m2 = df['sg_yes_or_no'].ne('no')
df['sg_morethan_one'] = df['sg_yes_or_no'].where(m & m2)
df['sg_only_one'] = df['sg_yes_or_no'].where(~m & m2)

当只有两个类别时，这可能更有效，但是对于n个类别，

pivot\u table

选项更好，此外，

pivot\u table

避免应用n次

序列。其中

编辑

new_df = df.join(df.pivot_table(columns = (df.groupby('i_id')['i_id']
                                             .transform('size')
                                             .gt(1)
                                             .astype(int)
                                             .mask(df['sg_yes_or_no'].eq('no'), 2)), 
                                values='sg_yes_or_no', 
                                index=df.index, 
                                aggfunc='first')
                  .rename(columns={0 : "one_sg",
                                   1 : "more_sg",
                                   2 : "no_sg"})
                  .sort_index(axis=1, ascending=False))
print(new_df)
    i_id sg_yes_or_no one_sg no_sg more_sg
0  i-123          yes    NaN   NaN     yes
1  i-123          yes    NaN   NaN     yes
2  i-456           no    NaN    no     NaN
3  i-678          yes    yes   NaN     NaN
4  i-1y6          yes    NaN   NaN     yes
5  i-1y6          yes    NaN   NaN     yes

优雅的解决方案，包括：

---

我们还可以使用：

m1 = df.groupby('i_id')['i_id'].transform('size').gt(1)
m2 = df['sg_yes_or_no'].ne('no')
df['sg_morethan_one'] = df['sg_yes_or_no'].where(m & m2)
df['sg_only_one'] = df['sg_yes_or_no'].where(~m & m2)

当只有两个类别时，这可能更有效，但是对于n个类别，

pivot\u table

选项更好，此外，

pivot\u table

避免应用n次

序列。其中

编辑

new_df = df.join(df.pivot_table(columns = (df.groupby('i_id')['i_id']
                                             .transform('size')
                                             .gt(1)
                                             .astype(int)
                                             .mask(df['sg_yes_or_no'].eq('no'), 2)), 
                                values='sg_yes_or_no', 
                                index=df.index, 
                                aggfunc='first')
                  .rename(columns={0 : "one_sg",
                                   1 : "more_sg",
                                   2 : "no_sg"})
                  .sort_index(axis=1, ascending=False))
print(new_df)
    i_id sg_yes_or_no one_sg no_sg more_sg
0  i-123          yes    NaN   NaN     yes
1  i-123          yes    NaN   NaN     yes
2  i-456           no    NaN    no     NaN
3  i-678          yes    yes   NaN     NaN
4  i-1y6          yes    NaN   NaN     yes
5  i-1y6          yes    NaN   NaN     yes

---

它不工作@ansev。我可以用“否”、“一个”和“更多”来更新sg_是或否吗？如果我使用此代码，我得到的第3列和第4列是空的，其中没有任何内容。此代码适用于示例数据帧（两类），我已更新了“no_sg”、“one_sg”和“more_sg”的代码，请检查编辑部分。考虑接受或投票的答案价值工作，它的工作，但我们可以更新第二栏？而不是增加三列？我编辑了我的问题，请查看第二个预期答案。

df['sg\u yes\u或\u no']=（df.groupby（'I\u id'）['I\u id'].transform（'size'）.gt（1）.astype（int）.mask（df['sg_yes_或_no'].eq（'no'），2））.map（{0:'one_sg'，1:'more_sg'，2:'no_sg}）

它不起作用@ansev。我能用“no_sg”，“one_sg”和“more_sg”更新sg_yes或_no吗？如果我使用此代码，我将得到空的第3列和第4列，其中没有任何内容。此代码适用于示例数据帧（两类），我已更新了“no_sg”、“one_sg”和“more_sg”的代码请检查或编辑段落编辑。考虑接受或投票的答案值工作，它的工作，但我们可以更新第二列？而不是添加三个额外的列？我编辑了我的问题，请参阅第二个预期答案。<代码> df [ 'sgyyeSyrOrn''] =（df.GypBy（i'IID））[ [ iIID ] ].transform（'size'）.gt（1）.astype（int）.mask（df['sg_yes_或_no'].eq（'no'），2））.map（{0:'one_sg'，1:'more_sg'，2:“否”}）

new_df = df.join(df.pivot_table(columns = (df.groupby('i_id')['i_id']
                                             .transform('size')
                                             .gt(1)
                                             .astype(int)
                                             .mask(df['sg_yes_or_no'].eq('no'), 2)), 
                                values='sg_yes_or_no', 
                                index=df.index, 
                                aggfunc='first')
                  .rename(columns={0 : "one_sg",
                                   1 : "more_sg",
                                   2 : "no_sg"})
                  .sort_index(axis=1, ascending=False))
print(new_df)
    i_id sg_yes_or_no one_sg no_sg more_sg
0  i-123          yes    NaN   NaN     yes
1  i-123          yes    NaN   NaN     yes
2  i-456           no    NaN    no     NaN
3  i-678          yes    yes   NaN     NaN
4  i-1y6          yes    NaN   NaN     yes
5  i-1y6          yes    NaN   NaN     yes