按ID分组，基于多条件根据上一行值确定下一行值

示例数据 #

import pandas as pd

sample_data = {
'id': [1,1,1,1,1,2,2,2,2,2],
'date_rank': [1,2,3,4,5,1,2,3,4,5],
'candidates': [1,0,0,3,0,0,0,0,2,0],
'desired_output':['New_filled','New_open','Double_open','Double_filled','New_open','New_open','Double_open','Double_open','Double_filled','New_open']
}

df = pd.DataFrame(sample_data, columns=['id', 'date_rank','candidates', 'desired_output'])

期望输出结果：

id  date_rank   candidates  desired_output
0   1   1           1           New_filled
1   1   2           0           New_open
2   1   3           0           Double_open
3   1   4           3           Double_filled
4   1   5           0           New_open
5   2   1           0           New_open
6   2   2           0           Double_open
7   2   3           0           Double_open
8   2   4           2           Double_filled
9   2   5           0           New_open

规则说明 #

• 每组（按id分组）的第一条记录前缀固定为New，后缀由candidates决定：candidates=0为open，否则为filled
• 后续记录的前缀由上一条记录的后缀决定：
  • 若上一条后缀为filled，当前前缀为New
  • 若上一条后缀为open，当前前缀为Double
• 所有记录的后缀均由当前行candidates值判断，规则同上

解决方案代码 #

def generate_desired_output(group):
    output = []
    # 处理组内第一条记录
    first_cand = group.iloc[0]['candidates']
    first_suffix = 'filled' if first_cand > 0 else 'open'
    output.append(f'New_{first_suffix}')
    
    # 处理组内后续记录
    for idx in range(1, len(group)):
        prev_suffix = output[idx-1].split('_')[1]
        curr_cand = group.iloc[idx]['candidates']
        curr_suffix = 'filled' if curr_cand > 0 else 'open'
        
        prefix = 'New' if prev_suffix == 'filled' else 'Double'
        output.append(f'{prefix}_{curr_suffix}')
    
    group['generated_output'] = output
    return group

# 按id分组处理并合并结果
df = df.groupby('id', group_keys=False).apply(generate_desired_output)

# 验证结果
print(df[['desired_output', 'generated_output']])

运行代码后，generated_output列会和原desired_output完全匹配。

逻辑说明 #

1. 按id分组确保每组规则独立生效，避免组间干扰
2. 先处理每组第一条记录，固定前缀并生成对应后缀
3. 遍历后续行时，通过上一行结果的后缀确定当前前缀，结合当前行候选人数量生成后缀，拼接成最终结果
4. 使用groupby+apply的方式，既保证逻辑清晰，又能高效处理分组数据

内容的提问来源于stack exchange，提问作者avgjoe13