Python 在数据帧的多个观测功能中使用lambda替换大于限制的值

类似于，我有一个特性“预加权”，它对每个MotherID有多个观察值，我想将其转换为dataframe到一个新的datframe，其中

• 如果某个特定的MotherID的预加权>=4000，则我将预加权值指定为“是”，而不考虑剩余的观察值

---

• 否则，如果preWeight为请尝试使用

  pandas.DataFrame.any

  ：

  df.groupby(['ChildID','MotherID']).agg(lambda x: 'Yes' if (x>4000).any() else 'No').reset_index()
  

  输出：

     ChildID  MotherID preWeight
  0       13       102        No
  1       20       455       Yes
  2       82       571        No
  3      702       946       Yes
  

  ---

  使用

  pandas.DataFrame.any尝试此操作：
  
  df.groupby(['ChildID','MotherID']).agg(lambda x: 'Yes' if (x>4000).any() else 'No').reset_index()
  
  输出：
  
     ChildID  MotherID preWeight
  0       13       102        No
  1       20       455       Yes
  2       82       571        No
  3      702       946       Yes
  
  如果同一
  ChildID
  和
  MotherID
  的
  preWeight
  分别低于4000和高于4000，那么
  preWeight
  应该有什么值？如果
  preWeight
  分别低于4000和高于4000，那么
  ChildID
  应该有什么值
  MotherID
  ？我认为您的答案缺少预加权，所以应该是：df.groupby（['ChildID'，'MotherID']）['preWeight'].agg（lambda x:'Yes'if（x>4000）。any（）else'No'）。reset_index（）还有，为什么您在这里使用agg函数不适用，有什么区别？这没关系，因为有三列，当我按，索引成为前两列，因此，在本例中指定要修改的列并不重要，因为它只剩下一列@sums22是agg和apply的区别。但在这种情况下，没有具体的原因。另外，如果有帮助的话，考虑一下，谢谢：Sums22我认为你的答案缺少预加权，所以应该是：df.groupby（['ChildID'，'MotherID']）['preWeight'].agg（lambda x:'Yes'if（x>4000）。any（）其他的'No'）。reset_index（）还有，为什么你在这里使用agg函数不适用，有什么区别？这没关系，因为有三列，当我按，索引成为前两列，因此，在本例中指定要修改的列并不重要，因为它只剩下一列@sums22是agg和apply的区别。但在这种情况下，没有具体的原因。另外，如果有帮助的话，考虑一下，谢谢：sums22
  df.groupby(['ChildID','MotherID']).agg(lambda x: 'Yes' if (x>4000).any() else 'No').reset_index()
  
     ChildID  MotherID preWeight
  0       13       102        No
  1       20       455       Yes
  2       82       571        No
  3      702       946       Yes