In [113]: pos = df.retailPrice >  0

In [114]: zer = df.retailPrice == 0

In [115]: pos.groupby(df.meterId).any() & zer.groupby(df.meterId).any()
Out[115]:
meterId
x     True
y    False
z    False
Name: retailPrice, dtype: bool

In [116]: _[_].index.tolist()
Out[116]: ['x']

• 获取e1d0d1是否可信掩码
• 获取zero是否屏蔽
• 按ID对这些掩码进行分组，并检查any值是否满足它们
• 由于需要*位置和零，&它们；提供ID的真/假序列作为所需结果
• 使用自身对其进行索引，以仅保留WHERE True并获取索引

_是最后一个赋值的东西，所以我用它引用前面的输出。你可以在115做s = ...，也可以做s[s].index.tolist()

这也是可行的：

for id_, group in df.groupby(['meterId'])['retailPrice']:
    if (group==0).any() & (group>0).any():
        print(f"meter id: {id_}")

但Mustafa Aydın's更优雅。

下面是使用group by的另一种方法，让我们知道哪种方法性能更好：

res = df.groupby('meterId')['retailPrice'].apply(lambda x: (x > 0).sum() > 0 and (x == 0).sum() > 0)
out = res[res].index.tolist()

您可以尝试：

# df

    meterId retailPrice
0   x       1
1   x       0
2   y       0
3   y       0
4   z       1
5   z       1

zero_values_condition      = df['meterId'].eq('x') & df['retailPrice'].eq(0) #eq() means ==
positive_values_condition  = df['meterId'].eq('x') & df['retailPrice'].gt(0) #gt() means >
df['new_col'] = np.where((zero_values_condition|positive_values_condition), "meterID: x", '')

df
    meterId retailPrice new_col
0   x       1           meterID: x
1   x       0           meterID: x
2   y       0   
3   y       0   
4   z       1   
5   z       1