这看起来像一个 case 表达方式：

select t.*,
       (case when flag_1 = 'Y' or flag_2 = 'Y'
             then 'Y' else 'N'
        end) as result

如果您正在使用pyspark（因为您将其包含在标记中），并说您的 Dataframe 被调用 df ，你可以使用

import pyspark.sql.functions as F
from pyspark.sql.window import Window
w = Window.partitionBy('depName')
df = df\
  .withColumn('cnt', F.sum(F.when((F.col('flag_1') == 'Y') | (F.col('flag_2') == 'Y'), 1).otherwise(0)).over(w))\
  .withColumn('result', F.when(F.col('cnt') >= 1, 'Y').otherwise('N'))
df.show()
+---------+------+------+---+------+
|  depName|flag_1|flag_2|cnt|result|
+---------+------+------+---+------+
|  develop|     Y|     N|  1|     Y|
|  develop|     N|     N|  1|     Y|
|  develop|     N|     N|  1|     Y|
|  develop|     N|     N|  1|     Y|
|  develop|     N|     N|  1|     Y|
|personnel|     N|     N|  0|     N|
|personnel|     N|     N|  0|     N|
|    sales|     N|     Y|  1|     Y|
|    sales|     N|     N|  1|     Y|
|    sales|     N|     N|  1|     Y|
+---------+------+------+---+------+

基本上，在由 depName ，您可以计算条件的次数 flag_1 == 'Y' | flag_2 == 'Y' 发生，并将其存储在 cnt 对于该分区的所有行。
然后，使用一个简单的 .when 表示 'Y' 所有拥有 cnt >= 1 .