如何按条件逐行统计分组内负责人ID的累计变更次数

需求说明 #

现有包含group（分组）、date（月份）、ID（负责人ID）的时间序列数据，需统计每个分组内负责人的累计变更次数，生成包含id_changes列的结果：当前行之前（含当前行）发生的负责人变更总次数，初始行变更次数为0。

输入数据 #

group   date     ID
A      Jan-22    1
A      Feb-22    1
A      Mar-22    1
A      Apr-22    2
A      May-22    3
A      Jun-22    4
B      Mar-23    6
B      Apr-23    6
B      May-23    3
B      Jun-23    3
C      Sep-21    1
C      Oct-21    1
C      Nov-21    4
C      Dec-21    4
C      Jan-22    4

期望输出 #

group   date     ID    id_changes
A      Jan-22    1         0
A      Feb-22    1         0
A      Mar-22    1         0
A      Apr-22    2         1
A      May-22    3         2
A      Jun-22    4         3
B      Mar-23    6         0
B      Apr-23    6         0
B      May-23    3         1
B      Jun-23    3         1
C      Sep-21    1         0
C      Oct-21    1         0
C      Nov-21    4         1
C      Dec-21    4         1
C      Jan-22    4         1

实现方案（Python Pandas） #

以下是基于Pandas的高效实现步骤：

代码示例 #

import pandas as pd

# 加载输入数据（可替换为从文件读取，如pd.read_csv/Excel）
data = pd.DataFrame({
    'group': ['A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C'],
    'date': ['Jan-22', 'Feb-22', 'Mar-22', 'Apr-22', 'May-22', 'Jun-22', 'Mar-23', 'Apr-23', 'May-23', 'Jun-23', 'Sep-21', 'Oct-21', 'Nov-21', 'Dec-21', 'Jan-22'],
    'ID': [1, 1, 1, 2, 3, 4, 6, 6, 3, 3, 1, 1, 4, 4, 4]
})

# 按分组统计累计变更次数
data['id_changes'] = data.groupby('group')['ID'].apply(
    lambda x: (x != x.shift()).cumsum() - 1
)

# 输出格式化结果
print(data.to_string(index=False))

代码解释 #

• groupby('group')：按分组维度独立处理，避免跨分组统计变更
• x != x.shift()：对比当前行与上一行的ID，返回布尔值（True表示发生变更）
• .cumsum()：对变更标记做累计求和，此时初始行返回NaN，后续变更行累计值从1开始
• - 1：将累计值减1，使初始行变更次数为0，后续行对应实际累计变更次数

运行代码后即可得到与期望输出完全一致的结果。

内容的提问来源于stack exchange，提问作者sam