基于stud_id和prod_id分组，按列顺序查找DataFrame中≥50阈值的首个值并匹配对应日期的实现方案

我来帮你实现需求：按stud_id和prod_id分组后，在指定阈值列中按顺序找到首个≥50的记录，并匹配对应日期。以下是完整的代码和说明：

步骤1：数据加载与预处理 #

首先加载数据并将日期列转换为datetime类型，避免后续日期匹配出现问题：

import pandas as pd
import numpy as np

# 从剪贴板加载数据
df = pd.read_clipboard()

# 将日期列转换为datetime类型
date_columns = ['ques_date', 'inv_date', 'bkl_date', 'accu_date']
df[date_columns] = df[date_columns].apply(pd.to_datetime)

步骤2：定义分组处理函数 #

创建一个函数，用于处理每个分组：按指定列顺序（upto_inv_threshold→upto_bkl_threshold→upto_accu_threshold）查找首个≥50的值，并返回对应日期：

def get_first_fifty_date(group):
    # 定义阈值列与对应日期列的映射（按优先级顺序）
    col_date_mapping = [
        ('upto_inv_threshold', 'inv_date'),
        ('upto_bkl_threshold', 'bkl_date'),
        ('upto_accu_threshold', 'accu_date')
    ]
    
    # 按顺序遍历每个阈值列
    for threshold_col, date_col in col_date_mapping:
        # 筛选当前列中≥50的行
        mask = group[threshold_col] >= 50
        if mask.any():
            # 获取首个符合条件的行索引
            first_match_idx = mask.idxmax()
            # 返回对应日期
            return group.loc[first_match_idx, date_col]
    
    # 如果所有列都没有符合条件的值，返回空时间值
    return pd.NaT

步骤3：分组执行并生成结果 #

使用groupby结合自定义函数处理数据，得到最终结果：

# 按stud_id和prod_id分组，执行函数
result = df.groupby(['stud_id', 'prod_id'], as_index=False).apply(get_first_fifty_date)

# 重命名结果列
result.columns = ['stud_id', 'prod_id', 'fifty_pct_date']

# 查看结果
print(result)

输出结果 #

运行上述代码后，你会得到符合预期的输出：

stud_id  prod_id fifty_pct_date
0      101       12     2011-10-22

代码逻辑说明 #

• 函数get_first_fifty_date按指定优先级遍历阈值列，确保先检查upto_inv_threshold，再检查upto_bkl_threshold，最后是upto_accu_threshold。
• mask.idxmax()会返回第一个值为True的行索引（因为True在数值上等于1，False等于0，idxmax会取第一个最大值的位置），保证找到的是首个符合条件的记录。
• 如果所有列都没有≥50的值，会返回pd.NaT（时间类型的空值），方便后续处理。

内容的提问来源于stack exchange，提问作者The Great