如何在DataFrame中根据特定TEXT值计算TIME列指定行差值生成delay列

需求明确 #

我有一个DataFrame df，要新增一列delay，规则如下：

• 当TEXT列值为P_S1时，delay = 该行TIME值 - 同ID分组下最近的TEXT_W1对应的TIME值
• 当TEXT列值为P_S2时，delay = 该行TIME值 - 同ID分组下最近的TEXT_W2对应的TIME值
• 其他情况delay填充为NA
• 实际数据集包含更多P_Sn与TEXT_Wn的配对组

代码实现 #

场景1：同组内基准行多次出现，取最近值 #

如果同一个ID下会重复出现TEXT_Wn行，需要取P_Sn行之前最近的基准值，用以下代码：

import pandas as pd

# 定义配对关系，可按需扩展更多组
pair_map = {
    'P_S1': 'TEXT_W1',
    'P_S2': 'TEXT_W2'
    # 示例扩展：'P_S3': 'TEXT_W3'
}

def process_single_group(group):
    # 初始化delay列为NA
    group['delay'] = pd.NA
    for target_text, base_text in pair_map.items():
        # 筛选当前组内的所有基准行
        base_records = group[group['TEXT'] == base_text]
        if base_records.empty:
            continue
        # 筛选当前组内的所有目标行
        target_indices = group[group['TEXT'] == target_text].index
        for idx in target_indices:
            # 取目标行之前的最后一条基准行的TIME值
            prior_base_records = base_records[base_records.index < idx]
            if not prior_base_records.empty:
                latest_base_time = prior_base_records['TIME'].iloc[-1]
                group.loc[idx, 'delay'] = group.loc[idx, 'TIME'] - latest_base_time
    return group

# 按ID分组处理整个DataFrame
df = df.groupby('ID').apply(process_single_group).reset_index(drop=True)

场景2：同组内基准行仅出现一次 #

如果每个ID下每个TEXT_Wn只出现一次，直接取该唯一基准值计算，效率更高：

import pandas as pd

pair_map = {
    'P_S1': 'TEXT_W1',
    'P_S2': 'TEXT_W2'
}

# 遍历每个配对组
for target_text, base_text in pair_map.items():
    # 按ID分组，提取每组中base_text对应的TIME值并广播到整组
    base_time = df.groupby('ID')['TIME'].transform(
        lambda x: x[df['TEXT'] == base_text].iloc[0] if len(x[df['TEXT'] == base_text]) > 0 else pd.NA
    )
    # 仅在目标行计算差值
    df.loc[df['TEXT'] == target_text, 'delay'] = df['TIME'] - base_time

# 非目标行的delay保持NA
df['delay'] = df['delay'].where(df['TEXT'].isin(pair_map.keys()), pd.NA)

补充说明 #

• 两种方法都支持扩展：只需在pair_map字典中添加新的P_Sn与TEXT_Wn配对，即可自动处理更多组的计算。
• 场景1逻辑更灵活，适配基准行重复出现的情况；场景2执行效率更高，适合基准行唯一的场景。

内容的提问来源于stack exchange，提问作者dede