Python 按ID分组并检查值是否在误差范围内相同？

我有这样一个数据框：

ID    Value
111   10
111   5
112   11
112   11

我想创建第三列“Check”，它将是二进制1或0（True或False），以满足以下条件：相同ID号的所有值是否在5%的误差范围内相同

例如，对于ID号111，如果值10和5相同，或者如果它们之间的百分比差异为5%，则列检查将为1。按abs（5-10）/（5+10）/2计算的百分比差

然后，输出将是：

ID    Value. Check
111   10    0
111   5     0
112   11    1
112   11    1

我正在使用以下代码：

a = df.groupby([df['ID']])['Value'].nunique().eq(1)
index_list = a[a].index.tolist()

df['Check'] = 0
df.loc[df['ID'].isin(index_list), 'Check'] = 1

但它只检查值是否相同，我不确定是否在检查中包含5%的差异

我也只想在每个ID号有多个观察值时执行此操作，并在只有一个观察值时将NaN返回到列检查

---

谢谢

尝试

transform

g = df.groupby('ID')['Value']

df['new'] = ((g.transform(np.ptp)/g.transform('mean'))<0.05).astype(int)
df
Out[40]: 
    ID  Value  new
0  111     10    0
1  111      5    0
2  112     11    1
3  112     11    1

g=df.groupby（'ID'）['Value']
df['new']=（（g.transform（np.ptp）/g.transform（'mean'））Run:

df['Check']=df.groupby（[df['ID']]）.Value.transform(
lambda grp:（grp.max（）-grp.min（））/grp.mean（）<0.05）

df['Check'] = df.groupby([df['ID']]).Value.transform(
    lambda grp: (grp.max() - grp.min()) / grp.mean() < 0.05)