如何为按日期和客户排序的DataFrame生成ActOwner列？

解决思路 #

• 按客户分组，提取每个客户的原始所有者（即Appear=1对应的Owner值）
• 对比当前行Owner与原始所有者、上一行Owner的关系，匹配规则生成标记值

代码实现 #

假设你的DataFrame已按日期和客户排序，命名为df，包含Customer、Appear、Owner列，代码如下：

import pandas as pd

# 步骤1：为每个客户提取原始所有者
df['OriginalOwner'] = df.groupby('Customer')['Owner'].transform(
    lambda grp: grp[df.loc[grp.index, 'Appear'] == 1].iloc[0]
)

# 步骤2：获取分组内上一行的Owner值
df['PrevOwner'] = df.groupby('Customer')['Owner'].shift(1)

# 步骤3：按规则生成ActOwner列
# 初始默认标记为0（首次出现的原始所有者）
df['ActOwner'] = 0

# 规则2：所有者变更（非首次出现，当前Owner≠上一行且≠原始所有者）
df.loc[
    (df['Appear'] != 1) & 
    (df['Owner'] != df['PrevOwner']) & 
    (df['Owner'] != df['OriginalOwner']), 
    'ActOwner'
] = 1

# 规则3：回到原始所有者（非首次出现，当前Owner=原始所有者且上一行≠原始所有者）
df.loc[
    (df['Appear'] != 1) & 
    (df['Owner'] == df['OriginalOwner']) & 
    (df['PrevOwner'] != df['OriginalOwner']), 
    'ActOwner'
] = 2

# 清理临时列（可选）
df = df.drop(['OriginalOwner', 'PrevOwner'], axis=1)

规则匹配说明 #

1. 标记0：直接对应Appear=1的行，即客户首次出现的原始所有者
2. 标记1：非首次出现时，所有者发生变更且未回到原始值
3. 标记2：非首次出现时，所有者从其他值变回原始所有者

示例验证 #

输入示例数据：

| Customer | Appear | Owner |
|----------|--------|-------|
| A        | 1      | Tom   |
| A        | 0      | Tom   |
| A        | 0      | Jerry |
| A        | 0      | Tom   |
| B        | 1      | Alice |
| B        | 0      | Bob   |

输出的ActOwner列结果：

| ActOwner |
|----------|
| 0        |
| 0        |
| 1        |
| 2        |
| 0        |
| 1        |

完全符合规则要求。

内容的提问来源于stack exchange，提问作者haraujo