基于条件从指定行向下填充：标记保单问题行及后续行

现有一张记录保单交易信息的表格，当某保单的某一行中IssueFoundOnThisVersion字段为'Y'时，代表该保单存在特定问题。需要新增一列，将该'Y'所在行及同保单的所有后续行标记为1。核心需求是识别每个保单生命周期中出现问题的版本，以及该版本之后的所有同保单记录，目前不确定正确的分区处理方式。

示例数据 #

解决方案 #

核心逻辑 #

按PolicyNum对数据分区，每个分区内按PolicyVersion（或TransactionDate，二者通常递增一致）排序，累计统计当前行及之前是否出现过'Y'，只要出现过一次，后续所有行就标记为1。

SQL实现（适用于Spark SQL、BigQuery等） #

SELECT
    PolicyNum,
    TransactionDate,
    PolicyVersion,
    IssueFoundOnThisVersion,
    CASE 
        WHEN SUM(CASE WHEN IssueFoundOnThisVersion = 'Y' THEN 1 ELSE 0 END) OVER (
            PARTITION BY PolicyNum 
            ORDER BY PolicyVersion 
            ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
        ) >= 1 THEN 1 
        ELSE 0 
    END AS DesiredResult
FROM
    your_table;

Pandas实现（Python） #

import pandas as pd

# 加载数据
df = pd.read_csv('your_data_file.csv')

# 分组计算标记：按保单号分组，统计累计出现Y的情况，转换为0/1
df['DesiredResult'] = df.groupby('PolicyNum')['IssueFoundOnThisVersion'] \
    .apply(lambda x: x.eq('Y').cumsum().ge(1).astype(int)) \
    .reset_index(level=0, drop=True)

# 查看结果
print(df)

内容的提问来源于stack exchange，提问作者Denzo37