Python Pandas实现MSISDN的TC服务连续日期标记问题

原代码问题分析 #

你的代码存在两个关键错误：

• 未按MSISDN分组就使用shift(1)，导致跨用户进行时间比较，逻辑完全错误；
• 后续用duplicated将所有非首行强制设为No，直接覆盖了之前的连续判断，完全不符合需求。

正确实现代码 #

import pandas as pd
import numpy as np

# 构造原始DataFrame
data = {
    'MSISDN': ['x12', 'x12', 'x12', 'x23', 'x23'],
    'SERVICE_FROM': ['2023-02-27 15:50:29', '2023-07-19 08:33:19', '2023-10-09 07:45:49', '2023-06-01 09:07:37', '2023-08-22 15:54:25'],
    'SERVICE_TO': ['2023-03-07 16:00:18', '2023-10-09 07:45:49', '2024-01-09 07:45:49', '2023-08-22 15:54:25', '2023-11-12 17:00:50'],
    'SERVICE_CODE': ['TC', 'TC', 'TC', 'TC', 'TC'],
    'SERVICE_VALUE': [10.0, 35.0, 35.0, 15.0, 15.0],
    'TC_TIMES': [1, 2, 3, 1, 2],
    'TC_TRIM': [float('nan'), 25.0, 0.0, float('nan'), 0.0]
}
valid_msisdns = pd.DataFrame(data)

# 按用户和服务开始时间排序
valid_msisdns.sort_values(by=['MSISDN', 'SERVICE_FROM'], inplace=True)

# 按MSISDN分组，判断连续条件
# 条件1：当前行的SERVICE_FROM等于上一行的SERVICE_TO（被上一行连续）
prev_consecutive = valid_msisdns.groupby('MSISDN')['SERVICE_TO'].shift(1) == valid_msisdns['SERVICE_FROM']
# 条件2：当前行的SERVICE_TO等于下一行的SERVICE_FROM（连续到下一行）
next_consecutive = valid_msisdns.groupby('MSISDN')['SERVICE_FROM'].shift(-1) == valid_msisdns['SERVICE_TO']

# 满足任一条件标记为Yes，否则No
valid_msisdns['TC_CONSECUTIVE'] = np.where(prev_consecutive | next_consecutive, 'Yes', 'No')

输出结果 #

运行后得到的TC_CONSECUTIVE列与你的预期完全一致：

内容的提问来源于stack exchange，提问作者MOA