如何用Pandas生成Final_Status列：客户含拒绝则全标拒绝

问题描述 #

我有一个包含Customer_id和Status列的大型数据集，需要生成Final_Status列，规则如下：

• 同一Customer_id只要有一行Status为Rejected，该客户所有行的Final_Status均设为Rejected
• 若同一Customer_id的所有Status都是Success，则Final_Status全为Success

示例数据：

我尝试用Pandas的shift()函数处理，但出现错误，比如Customer ID 2被错误标记为Rejected。

正确实现方法 #

不需要使用shift()，通过groupby结合transform可以高效解决这个问题，且适配大型数据集：

import pandas as pd

# 假设数据集存储在df变量中
df['Final_Status'] = df.groupby('Customer_ID')['Status'].transform(
    lambda x: 'Rejected' if (x == 'Rejected').any() else 'Success'
)

代码解释 #

• groupby('Customer_ID')：按客户ID分组，将同一客户的所有行归为一组
• transform()：对每个分组执行逻辑判断后，将结果映射回原数据集的每一行，保证行数与原数据一致
• (x == 'Rejected').any()：检查当前分组内是否存在至少一条Rejected记录，满足则返回Rejected，否则返回Success

超大型数据集优化方案 #

如果数据集规模达到千万级以上，可改用更节省内存的向量化操作：

# 先预计算每个客户是否存在Rejected记录
customer_status = df.groupby('Customer_ID')['Status'].apply(lambda x: (x == 'Rejected').any())
# 将结果映射回原数据集
df['Final_Status'] = df['Customer_ID'].map(customer_status).replace({True: 'Rejected', False: 'Success'})

这种方式先一次性计算所有客户的状态标记，再通过map快速映射，避免了逐组遍历的额外开销。

内容的提问来源于stack exchange，提问作者blackice7