如何在Pandas中为各产品的折扣变动分配连续递增的promotion_id

看起来你需要针对每个产品，按照时间顺序追踪折扣的变化——每次折扣变动时生成一个新的递增ID，相同的连续折扣则共用同一个ID。这在Pandas里可以通过分组+差分+累计求和轻松实现，我给你详细拆解步骤：

核心思路与步骤 #

1. 确保数据按时间和产品排序：折扣变化是基于时间线的，必须先把数据按product_code和date排序，保证我们是按时间先后判断折扣的变动。
2. 分组检测折扣变动：对每个产品组，用diff()方法对比当前行与上一行的discount值，只要折扣发生变化就标记为一个变动点。
3. 累计求和生成连续ID：把所有变动点累计求和，就能得到连续递增的promotion_id。

代码实现 #

假设你的DataFrame名为df，可以这样写：

import pandas as pd

# 先把字符串日期转为datetime类型，避免排序出错
df['date'] = pd.to_datetime(df['date'], format='%d/%m/%Y')

# 按产品和日期排序，保证时间顺序正确
df = df.sort_values(['product_code', 'date'])

# 生成promotion_id
df['promotion_id'] = df.groupby('product_code')['discount'].diff().ne(0).cumsum()

代码细节解释 #

• pd.to_datetime(...)：把字符串格式的日期转换成datetime类型，避免出现"01/12/2022"和"02/01/2022"这类字符串排序错误。
• sort_values(...)：确保每个产品的记录严格按时间先后排列，这样后续的diff()才能准确判断折扣变化。
• groupby('product_code')['discount'].diff()：对每个产品组，计算当前行折扣与上一行的差值，每个产品的第一行会得到NaN。
• .ne(0)：把差值不等于0的行（也就是折扣变化的行）标记为True，其余为False；NaN会被自动识别为False。
• .cumsum()：对True/False值累计求和（True视为1，False视为0），每次折扣变化时就累加1，自然生成连续递增的ID。

结果验证 #

用你给出的单一产品示例测试，生成的promotion_id会和你预期完全一致：

date product_code discount promotion_id
01/01/2022 1 0.7 1
02/01/2022 1 0.1 2
02/01/2022 1 0.1 2
03/01/2022 1 0.4 3
04/01/2022 1 0.1 4
05/01/2022 1 0.1 4
06/01/2022 1 0.1 4
06/01/2022 1 0.5 5

这种方法用的是Pandas的矢量化操作，处理大规模数据也能保持高效，完全不用担心性能问题。

内容的提问来源于stack exchange，提问作者Alessandro Ceccarelli