Pandas分组处理：用最新事件覆盖重叠的二进制事件列

需求说明 #

现有含id（分组ID）、t（时间）、A/B/C（事件列，1表示事件发生，0表示未发生）的DataFrame，需按id分组处理：当有新事件启动时，将旧事件的1替换为0，确保每行A/B/C列之和不超过1。

实现思路 #

核心逻辑是按分组跟踪每个事件的首次启动时间，每个时间点只保留启动时间最晚的事件，自动覆盖旧事件以消除重叠。

代码实现 #

1. 准备示例数据 #

import pandas as pd
import numpy as np

# 示例输入数据
df = pd.DataFrame({
    'id': [1,1,1,1,2,2,2],
    't': [1,2,3,4,1,2,3],
    'A': [1,1,1,1,0,1,1],
    'B': [0,1,1,0,1,1,0],
    'C': [0,0,1,1,0,0,1]
})

2. 分组处理函数（向量化版，效率更高） #

def resolve_overlap(group):
    # 确保分组内按时间排序
    group = group.sort_values('t').reset_index(drop=True)
    
    # 获取每个事件的首次启动时间（未启动的设为无穷大）
    event_starts = {}
    for col in ['A', 'B', 'C']:
        first_occur = group[group[col] == 1]['t'].min()
        event_starts[col] = first_occur if not pd.isna(first_occur) else np.inf
    
    # 构建启动时间矩阵，标记每个时间点已激活的事件
    starts_df = pd.DataFrame(event_starts, index=group.index)
    activated = starts_df <= group['t'].values.reshape(-1, 1)
    
    # 对每行筛选已激活事件，取启动时间最晚的事件
    starts_masked = starts_df.where(activated, np.nan)
    group['latest_event'] = starts_masked.idxmax(axis=1)
    
    # 重置事件列：仅保留最新事件为1，其余为0
    for col in ['A', 'B', 'C']:
        group[col] = (group['latest_event'] == col).astype(int)
    
    return group.drop('latest_event', axis=1)

3. 应用到整个DataFrame #

result = df.groupby('id').apply(resolve_overlap).reset_index(drop=True)

4. 输出结果 #

处理后的DataFrame如下：

补充说明 #

• 如果存在多个事件同一时间首次启动，可自定义优先级选择，比如按A>B>C的顺序：
  将group['latest_event'] = starts_masked.idxmax(axis=1)替换为：

  # 自定义优先级，给高优先级事件的启动时间加微小权重
  priority = {'A':0, 'B':1, 'C':2}
  weighted_starts = starts_masked.apply(lambda x: x + [priority[col]/100 for col in x.index], axis=1)
  group['latest_event'] = weighted_starts.idxmax(axis=1)
  

内容的提问来源于stack exchange，提问作者IJN81