如何识别连续3个月销售达标行并填充一致性列

问题分析 #

你之前用rolling(window=3).sum()的方法，只能计算固定窗口内的达标次数，但无法处理达标后重置计数器或者中途不达标直接重置的逻辑——这种带状态的逐行计算，需要自定义迭代逻辑来实现。

步骤1：构造示例数据 #

先模拟一个包含salesperson_id、Month、sales的DataFrame，方便测试：

import pandas as pd

data = {
    'salesperson_id': [1,1,1,1,1,1,1,2,2,2,2,2],
    'Month': ['2023-01','2023-02','2023-03','2023-04','2023-05','2023-06','2023-07','2023-01','2023-02','2023-03','2023-04','2023-05'],
    'sales': [260,270,280,260,240,290,300,250,250,240,260,270]
}
df = pd.DataFrame(data)

步骤2：自定义分组处理函数 #

写一个函数，对每个销售的行数据逐行处理，维护一个计数器：

• 初始化计数器count = 0
• 遍历每一行：
  • 如果当前销售额≥250：计数器+1；如果计数器达到3，标记获奖并重置计数器为0
  • 如果当前销售额<250：计数器重置为0，不标记获奖
• 返回处理后的结果列

def calculate_consistency(group):
    # 初始化计数器和结果列表
    count = 0
    consistency = []
    for sale in group['sales']:
        if sale >= 250:
            count += 1
            # 达标3个月，标记获奖并重置计数器
            if count == 3:
                consistency.append('获奖')
                count = 0
            else:
                consistency.append(count)
        else:
            # 销售额不达标，重置计数器
            count = 0
            consistency.append(0)
    group['3 month consistency'] = consistency
    return group

步骤3：应用函数到分组数据 #

按salesperson_id分组后，应用上面的函数：

df = df.groupby('salesperson_id').apply(calculate_consistency).reset_index(drop=True)

结果验证 #

处理后的DataFrame会得到符合预期的3 month consistency列：

这个结果完全符合你的规则：

• 连续3个月达标时标记「获奖」，之后计数器重置
• 任何一个月销售额低于250，计数器直接重置为0

内容的提问来源于stack exchange，提问作者Karthik Kumar