Python：按Group分组对Name的起始日期前向填充（重复Name场景）

原始数据 #

Index Date  Group Name
0    Oct-10 A     Sam
1    Oct-10 A     Sam
2    Dec-12 A     Sam
3    Dec-12 A     Sam
4    May-13 A     Peter
5    May-14 A     Peter
6    May-15 A     Chris
7    Apr-17 A     Chris
8    Apr-17 A     Sam
9    Jul-23 A     Sam
10   Dec-12 B     Peter
11   Dec-12 B     Peter
12   May-13 B     Peter
13   May-14 B     Peter
14   Apr-18 B     Sam
15   Jul-19 B     Sam
16   Jul-20 B     Sam
17   Jul-22 B     Sam
18   Jul-23 B     Sam

需求说明 #

按Group分组，为每个Name的连续出现段填充该段的起始日期：

• 例如Group A中，Sam首次连续出现（索引0-3）的date2列统一填Oct-10；2017年4月再次连续出现时（索引8-9），date2列统一填Apr-17。

尝试的错误代码 #

for every group in df["Group"]:
      df["date2"] = (df["Date"].groupby(["Name"]).transform(lambda x: x.ffill()))

该代码未达到预期，原因是仅按Name分组，未考虑Group维度，也未区分Name的连续出现分段，导致所有同Name的行都会填充最早的日期，不符合连续段的要求。

期望输出 #

Index Date  Group Name   date2
0    Oct-10 A     Sam     Oct-10
1    Oct-10 A     Sam     Oct-10
2    Dec-12 A     Sam     Oct-10
3    Dec-12 A     Sam     Oct-10
4    May-13 A     Peter   May-13
5    May-14 A     Peter   May-13
6    May-15 A     Chris   May-15
7    Apr-17 A     Chris   May-15
8    Apr-17 A     Sam     Apr-17
9    Jul-23 A     Sam     Apr-17
10   Dec-12 B     Peter   Dec-12
11   Dec-12 B     Peter   Dec-12
12   May-13 B     Peter   Dec-12
13   May-14 B     Peter   Dec-12
14   Apr-18 B     Sam     Apr-18
15   Jul-19 B     Sam     Apr-18
16   Jul-20 B     Sam     Apr-18
17   Jul-22 B     Sam     Apr-18
18   Jul-23 B     Sam     Apr-18

实现思路 #

1. 按Group分组，在每个组内识别Name的连续出现分段：通过对比当前行与上一行的Name，生成分段标识并累加得到唯一的分段ID。
2. 按Group+分段ID分组，提取每个分段的第一个Date作为该段所有行的date2值。

代码实现 #

import pandas as pd

# 构造原始DataFrame（如果已有数据可跳过此步）
data = {
    'Date': ['Oct-10', 'Oct-10', 'Dec-12', 'Dec-12', 'May-13', 'May-14', 'May-15', 'Apr-17', 'Apr-17', 'Jul-23',
             'Dec-12', 'Dec-12', 'May-13', 'May-14', 'Apr-18', 'Jul-19', 'Jul-20', 'Jul-22', 'Jul-23'],
    'Group': ['A']*9 + ['B']*10,
    'Name': ['Sam', 'Sam', 'Sam', 'Sam', 'Peter', 'Peter', 'Chris', 'Chris', 'Sam', 'Sam',
             'Peter', 'Peter', 'Peter', 'Peter', 'Sam', 'Sam', 'Sam', 'Sam', 'Sam']
}
df = pd.DataFrame(data)

# 生成每个Group内Name的连续分段ID
df['segment_id'] = df.groupby('Group')['Name'].apply(lambda x: (x != x.shift()).cumsum())

# 为每个分段填充起始日期
df['date2'] = df.groupby(['Group', 'segment_id'])['Date'].transform('first')

# 可选：删除临时的segment_id列
df = df.drop('segment_id', axis=1)

# 查看结果
print(df)

代码解释 #

• (x != x.shift()).cumsum()：在每个Group内，当当前行Name与上一行不同时返回True（数值1），否则返回False（数值0），累加后得到每个连续段的唯一ID，以此区分同一Name的非连续出现段。
• transform('first')：对Group+segment_id的组合分组，提取该组的第一个Date值，并填充到组内所有行的date2列，实现同一段内起始日期的统一填充。

内容的提问来源于stack exchange，提问作者sam