如何在Pandas中按机器分组，基于启停信号标记状态列？

问题背景 #

需要为包含多台机器的DataFrame生成独立的Status列：

• Signal=1时，Status设为1（开机），状态保持1直到收到Signal=2或3（关机），Status切换为0，直到再次收到Signal=1重复上述逻辑。
• 单机器逻辑已实现，但多机器分组处理时出现KeyError，循环拼接代码逻辑混乱，无法得到正确结果。

错误代码问题分析 #

1. 错误的列索引方式：dfList = df[df['Machine']]会把Machine列的取值当作列名查找，导致KeyError，正确方式是直接获取唯一机器列表：unique_machines = df['Machine'].unique()。
2. 函数逻辑混乱：s_gen2函数参数未使用、循环嵌套错误、引用未定义变量，且未正确为每组机器生成状态序列，拼接DataFrame的方式也不符合要求。

正确实现方案 #

方案一：groupby + 自定义函数（推荐） #

基于单机器逻辑修改函数，使其接收单组Signal序列，通过groupby对每台机器独立计算状态：

import numpy as np
import pandas as pd

# 定义状态生成函数，接收单台机器的Signal序列
def gen_status(signal_series):
    _status = 0
    status_list = []
    for sig in signal_series:
        if _status == 0:
            if sig == 1:
                _status = 1
        else:
            if sig in (2, 3):
                _status = 0
        status_list.append(_status)
    # 返回带索引的Series，确保合并时对应原行
    return pd.Series(status_list, index=signal_series.index)

# 构造多机器测试数据
df = pd.DataFrame([])
df['Date'] = ['2020-01-01','2020-01-02','2020-01-03','2020-01-04','2020-01-05',
              '2020-01-06','2020-01-07','2020-01-08','2020-01-09','2020-01-10',
              '2020-01-11','2020-01-12','2020-01-13','2020-01-14','2020-01-15',
              '2020-01-16','2020-01-17','2020-01-18','2020-01-19','2020-01-20',
              '2020-01-01','2020-01-02','2020-01-03','2020-01-04','2020-01-05',
              '2020-01-06','2020-01-07','2020-01-08','2020-01-09','2020-01-10',
              '2020-01-11','2020-01-12','2020-01-13','2020-01-14','2020-01-15',
              '2020-01-16','2020-01-17','2020-01-18','2020-01-19','2020-01-20']

df['Machine'] = ['A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A',
                'B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B',]
df['Signal'] = [0,1,2,0,1,3,0,0,0,3,0,1,0,0,3,0,1,0,0,1,0,1,2,0,1,3,0,0,0,3,0,1,0,0,3,0,1,0,0,1]

# 为每台机器生成Status列
df['Status'] = df.groupby('Machine')['Signal'].apply(gen_status)

print(df)

方案二：循环处理每个机器分组 #

如果偏好循环处理，可逐个筛选机器数据、生成状态后合并：

import numpy as np
import pandas as pd

# 构造多机器测试数据（同方案一）
df = pd.DataFrame([])
df['Date'] = ['2020-01-01','2020-01-02','2020-01-03','2020-01-04','2020-01-05',
              '2020-01-06','2020-01-07','2020-01-08','2020-01-09','2020-01-10',
              '2020-01-11','2020-01-12','2020-01-13','2020-01-14','2020-01-15',
              '2020-01-16','2020-01-17','2020-01-18','2020-01-19','2020-01-20',
              '2020-01-01','2020-01-02','2020-01-03','2020-01-04','2020-01-05',
              '2020-01-06','2020-01-07','2020-01-08','2020-01-09','2020-01-10',
              '2020-01-11','2020-01-12','2020-01-13','2020-01-14','2020-01-15',
              '2020-01-16','2020-01-17','2020-01-18','2020-01-19','2020-01-20']

df['Machine'] = ['A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A','A',
                'B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B','B',]
df['Signal'] = [0,1,2,0,1,3,0,0,0,3,0,1,0,0,3,0,1,0,0,1,0,1,2,0,1,3,0,0,0,3,0,1,0,0,3,0,1,0,0,1]

# 获取所有唯一机器
unique_machines = df['Machine'].unique()
result_dfs = []

for machine in unique_machines:
    # 筛选当前机器的数据并复制，避免修改原DataFrame
    machine_df = df[df['Machine'] == machine].copy()
    # 生成状态序列
    _status = 0
    status_list = []
    for sig in machine_df['Signal']:
        if _status == 0:
            if sig == 1:
                _status = 1
        else:
            if sig in (2, 3):
                _status = 0
        status_list.append(_status)
    machine_df['Status'] = status_list
    result_dfs.append(machine_df)

# 合并所有机器的结果，保持原DataFrame的行顺序
final_df = pd.concat(result_dfs).loc[df.index]

print(final_df)

结果验证 #

两种方案生成的Status列均与期望输出一致，每台机器的状态独立计算，不会互相干扰。

内容的提问来源于stack exchange，提问作者Flint