熊猫群按ID在所有行的risk列中查找“H”字符的出现

Question

我有一个示例：

ID    risk
1111  H
1111  H
1111  L
1111  L
1112  L
1112  L
1113  H
1113  L
1113  H
1113  H
1113  H
1114  L
1114  L
1114  L
1114  L

我希望根据ID对数据进行分组，然后在risk列中查找“H”字符的出现。如果在特定ID的任何行中的risk列中存在任何'H‘，我想用'H’更改风险列中该特定ID的所有行。这就是我想得到的：

ID    risk
1111  H
1111  H
1111  H
1111  H
1112  L
1112  L
1113  H
1113  H
1113  H
1113  H
1113  H
1114  L
1114  L
1114  L
1114  L

我有一个非常大的数据文件，所以我怎么能有效地做到这一点呢？

Answer 1

首先通过boolean indexing查找所有唯一的boolean indexing，然后用numpy.where或loc和isin替换值。

v = df.loc[df['risk'] == 'H', 'ID'].unique()
df['risk'] = np.where(df['ID'].isin(v), 'H', df['risk'])

另一种解决办法是：

df.loc[df['ID'].isin(df.loc[df['risk'] == 'H', 'ID'].unique()), 'risk'] = 'H'

和最慢的groupby解决方案

m = df.groupby('ID')['risk'].transform(lambda x: (x == 'H').any())
#better groupby alternative
#m = df['risk'].eq('H').groupby(df['ID']).transform('any')
df['risk'] = np.where(m, 'H', df['risk'])

print (df)
      ID risk
0   1111    H
1   1111    H
2   1111    H
3   1111    H
4   1112    L
5   1112    L
6   1113    H
7   1113    H
8   1113    H
9   1113    H
10  1113    H
11  1114    L
12  1114    L
13  1114    L
14  1114    L