对于以下数据框，基于覆盖两种植物的颜色名称，希望创建新列，如果两种植物中都存在颜色，则计数为 1，如果不是这种情况，则计数为 0：
东风：
Color Plant
green1 1
blue2 1
red1 1
purple6 2
blue2 1
blue3 2
green1 2
green1 1
red2 1
purple6 1
期望的输出：
Color Plant Spillover
green1 1 1
blue2 1 0
red1 1 0
purple6 2 1
blue2 1 0
blue3 2 0
green1 2 1
green1 1 1
red2 1 0
purple6 1 1
这是一个解决方案：
df["Spillover"] = df.groupby("Color").transform(lambda x: 1 in list(x) and 2 in list(x)).astype(int)
输出是：
Color Plant Spillover
0 green1 1 1
1 blue2 1 1
2 red1 1 0
3 purple6 2 1
4 blue2 2 1
5 blue3 2 0
6 green1 2 1
7 green1 1 1
8 red2 1 0
9 purple6 1 1
如果您有多个工厂并且不喜欢 if 语句的“和”部分，您可以这样做：
s = set([1,2]) # list of relevant plants
df["Spillover"] = df.groupby("Color").transform(lambda x: s.issubset(set(x))).astype(int)
我们可以GroupBy.nunique用来检查每种颜色的独特植物的数量。如果这些是> 1，则植物之间存在溢出：
df['Spillover'] = df['Color'].map(df.groupby('Color')['Plant'].nunique()).gt(1).astype(int)
Color Plant Spillover
0 green1 1 1
1 blue2 1 0
2 red1 1 0
3 purple6 2 1
4 blue2 1 0
5 blue3 2 0
6 green1 2 1
7 green1 1 1
8 red2 1 0
9 purple6 1 1
使用，然后在列DataFrame.groupby上使用来计算与给定颜色相关联的唯一植物的数量，然后创建一个布尔掩码，其中真实值对应于唯一植物大于 1 的条件：然后用于选择或基于此掩码。Color.transformPlantmnp.where10m
m = df.groupby('Color')['Plant'].transform('nunique').gt(1)
df['Spillover'] = np.where(m, 1, 0)
df
Color Plant Spillover
0 green1 1 1
1 blue2 1 0
2 red1 1 0
3 purple6 2 1
4 blue2 1 0
5 blue3 2 0
6 green1 2 1
7 green1 1 1
8 red2 1 0
9 purple6 1 1