按分组统计DataFrame两列中值的首次与二次出现情况

现有一个已按Ref1和Seq排序的DataFrame，结构如下：

需要完成两项统计任务：

• 按Ref1和EvNo分组，统计PP1或PP2列中首次出现1的次数（分组内可能无1出现，同一行的PP1和PP2不会同时为1）。
• 若分组内存在1的首次出现，统计首次出现后另一列出现1的情况：比如首次出现的1在PP1列，则只统计后续PP2列的1；若后续1仍在PP1列则不计入，分组内可能无后续1出现。

预期输出：

可以用Pandas的分组操作结合自定义函数实现需求，代码如下：

import pandas as pd

# 构造原始DataFrame
data = [
    ["aaaa", 0, "xxx", "yyy", 1, 0, 1],
    ["aaaa", 0, "xxx", "yyy", 2, 0, 0],
    ["aaaa", 0, "xxx", "yyy", 3, 1, 0],
    ["aaaa", 0, "xxx", "yyy", 4, 0, 0],
    ["aaaa", 1, "xxx", "yyy", 5, 0, 0],
    ["aaaa", 1, "xxx", "yyy", 6, 1, 0],
    ["aaaa", 1, "xxx", "yyy", 7, 1, 0],
    ["aaaa", 1, "xxx", "yyy", 8, 0, 1],
    ["bbbb", 0, "xxx", "yyy", 1, 0, 0],
    ["bbbb", 0, "xxx", "yyy", 2, 0, 0],
    ["bbbb", 0, "xxx", "yyy", 3, 0, 0],
    ["bbbb", 0, "xxx", "yyy", 4, 0, 0],
    ["bbbb", 1, "xxx", "yyy", 5, 0, 0],
    ["bbbb", 1, "xxx", "yyy", 6, 0, 0],
    ["bbbb", 1, "xxx", "yyy", 7, 1, 0],
    ["bbbb", 1, "xxx", "yyy", 8, 0, 1],
]
df = pd.DataFrame(data, columns=["Ref1", "EvnNo", "P1", "P2", "Seq", "PP1", "PP2"])

def analyze_group(group):
    # 筛选分组内有1的行
    has_one = group[(group["PP1"] == 1) | (group["PP2"] == 1)]
    if has_one.empty:
        return {"first_p1": 0, "first_p2": 0, "second_p1": 0, "second_p2": 0}
    
    # 确定首次出现1的列
    first_row = has_one.iloc[0]
    first_col = "PP1" if first_row["PP1"] == 1 else "PP2"
    
    # 统计首次出现类型
    first_p1 = 1 if first_col == "PP1" else 0
    first_p2 = 1 if first_col == "PP2" else 0
    
    # 筛选首次出现后的行，统计另一列的1数量
    after_first = group[group["Seq"] > first_row["Seq"]]
    target_col = "PP2" if first_col == "PP1" else "PP1"
    second_count = after_first[after_first[target_col] == 1].shape[0]
    
    # 分配到对应统计项
    second_p1 = second_count if target_col == "PP1" else 0
    second_p2 = second_count if target_col == "PP2" else 0
    
    return {"first_p1": first_p1, "first_p2": first_p2, "second_p1": second_p1, "second_p2": second_p2}

# 分组计算并求和，重命名列
result = df.groupby(["Ref1", "EvnNo"]).apply(analyze_group).apply(pd.Series).sum().to_frame().T
result.columns = ["P1 First Occ", "P2 First Occ", "P1 Second Occ", "P2 Second Occ"]
print(result)

代码说明 #

1. 构造数据：将原始数据转换为Pandas DataFrame。
2. 自定义分析函数：
   • 先筛选分组内包含1的行，若无则返回全0结果。
   • 定位首次出现1的列，标记首次出现的类型。
   • 筛选首次出现后的行，只统计另一列中1的数量。
3. 分组统计：按Ref1和EvnNo分组应用函数，对各组结果求和后重命名列，得到最终统计表格。

运行代码后输出与预期一致：

内容的提问来源于stack exchange，提问作者Andy