如何在Python中结合求和聚合实现If/else语句进行客户分群

你当前的代码只处理了单条记录的支付金额，没法兼顾「全ID累计总和」和「所有月份都达标」这两个条件，按下面的步骤改就能实现需求：

步骤1：计算每个客户的关键聚合指标 #

用transform方法把每个ID的累计支付总和、最小月支付金额直接映射回原表格的每一行，这样每一行都能拿到该客户的全局指标：

# 计算每个ID的累计支付总和，映射到每一行
df['Total_Revenue'] = df.groupby('ID')['Revenue'].transform('sum')
# 计算每个ID的最小月支付金额（确保所有月份都≥50，只要最小值达标就行）
df['Min_Monthly_Revenue'] = df.groupby('ID')['Revenue'].transform('min')

步骤2：双条件判断分群 #

直接用numpy.where做判断，逻辑清晰且高效：

import numpy as np

# 同时满足「每月支付≥50」和「累计支付>80」才标记为VIP，否则是Middle
df['Segment'] = np.where(
    (df['Min_Monthly_Revenue'] >= 50) & (df['Total_Revenue'] > 80),
    'VIP',
    'Middle'
)

逻辑说明 #

• transform配合groupby，能自动把聚合结果和原表格的每一行对应，不用额外做合并操作
• 用最小月支付金额判断「每月都≥50」是最优方式——只要最小值达标，该客户所有月份的支付肯定都满足要求
• 双条件用&连接，必须同时满足才会被划为VIP

替代方案：分组后用自定义函数处理 #

如果你更习惯用自定义函数的写法，也可以按ID分组后批量处理：

def assign_segment(group):
    total_rev = group['Revenue'].sum()
    min_monthly_rev = group['Revenue'].min()
    group['Segment'] = 'VIP' if (min_monthly_rev >=50 and total_rev >80) else 'Middle'
    return group

df = df.groupby('ID').apply(assign_segment).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Nikol