基于条件的自定义标志

Question

我有一个数据集

id	ref	name	conditionCol
1	123	a	no_error
1	456	b	error
1	789	c	no_error
2	231	d	no_error
2	312	e	no_error
2	546	f	no_error
3	645	g	error
3	879	h	error
4	789	i	no_error
4	978	j	no_error

I我正在尝试创建一个自定义的error_flag，条件为：

• 对于每个唯一的id列元素
• ，如果conditionCol中的任何行具有关键字error
• 甚至
• 如果对于 id 列中的任何元素，
• 一行具有关键字 错误 中conditionCol 列，则
• 每一行应在 error_flag 中标记为 no

例如，对于 id:1，全部error_flag 的值为 yes，对于 id 值 1，conditionCol 的第 2 行有 error

id	ref	name	conditionCol	error_flag
1	123	a	no_error	yes
1	456	b	error	yes
1	789	c	no_error	yes

但是，对于 id:2，error_flag 的所有值为 no，对于 id 值 2，没有行conditionCol 有 error

id	ref	name	conditionCol	error_flag
2	231	d	no_error	no
2	312	e	no_error	no
2	546	f	no_error	no

与 id 值 3 和 3 类似。 4:

id	ref	name	conditionCol	error_flag
3	645	g	no_error	no
3	879	h	no_error	no
4	789	i	error	yes
4	978	j	error	yes

最终输出为：

id	ref	name	conditionCol	error_flag
1	123	a	no_error	yes
1	456	b	error	yes
1	789	c	no_error	是
2	231	d	no_error	否
2	312	e	no_error	no
2	546	f	no_error	no
3	645	g	no_error	no
3	879	h	no_error	no
4	789	i	error	yes
4	978	j	error	yes

更新：

如果你想使用数据集：

import pandas as pd
import numpy as np

id_col = [1,1,1,2,2,2,3,3,4,4]
ref_col = [123,456, 789, 231, 312, 546, 645, 879, 789, 978]
name_col = ['a','b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
conditionCol = ['no_error', 'error', 'no_error', 'no_error', 'no_error', 'no_error', 'no_error', 'no_error', 'error', 'error']
df = pd.DataFrame(zip(id_col, ref_col, name_col, conditionCol), columns=['id','ref','name','conditionCol'])
df

update2：有没有一种方法可以使用阈值，即：

• 当前问题：每个条件列中至少出现一次关键字 error 所有行，error_flag 中的值为 yes
• 单个唯一的 id，那么对于该 id 值中至少出现 4 次或至少 5 次关键字的 conditionCol 列中的 error 具有唯一的 id，那么对于所有行，只有 error_flag 中的值为 yes在该 id 值中

Answer 1

使用 numpy.where 与按 id 测试每组是否至少有一个值 error：

m = df['id'].isin(df.loc[df['conditionCol'].eq('error'), 'id'])
#alternative
#m = df['conditionCol'].eq('error').groupby(df['id']).transform('any')
df['error_flag'] = np.where(m, 'yes', 'no')

print (df)
   id  ref name conditionCol error_flag
0   1  123    a     no_error        yes
1   1  456    b        error        yes
2   1  789    c     no_error        yes
3   2  231    d     no_error         no
4   2  312    e     no_error         no
5   2  546    f     no_error         no
6   3  645    g     no_error         no
7   3  879    h     no_error         no
8   4  789    i        error        yes
9   4  978    j        error        yes