基于年月对比Pandas两列值的首次出现顺序问题

现有一份已按年份、月份排序的Pandas DataFrame，结构如下：

Account    year   month   value_1  value_2   
A          2021   Jan              9
A          2021   Feb               
A          2021   Mar       7       
A          2021   Apr       8      
A          2021   May               
B          2021   Jan       2       
B          2021   Feb              10
B          2021   Mar       5      
B          2021   Apr       7        

需要按账户分组，判断value_1和value_2的非空值哪个首次出现更早，生成如下结果DataFrame：

account      result
A            value_2 appeared before value_1
B            value_1 appeared before value_2

请问如何实现该需求？

解决方案 #

可以通过分组提取首次非空值位置、对比时间顺序的方式实现，具体步骤和代码如下：

完整实现代码 #

import pandas as pd

# 构造示例数据（原数据空值用pd.NA表示）
data = {
    'Account': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
    'year': [2021]*9,
    'month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jan', 'Feb', 'Mar', 'Apr'],
    'value_1': [pd.NA, pd.NA, 7, 8, pd.NA, 2, pd.NA, 5, 7],
    'value_2': [9, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 10, pd.NA, pd.NA]
}
df = pd.DataFrame(data)

# 定义分组处理逻辑
def compare_first_non_null(group):
    # 获取value_1首次非空的行索引（全为空则设为无穷大）
    idx1 = group[group['value_1'].notna()].index.min() if not group['value_1'].isna().all() else float('inf')
    # 获取value_2首次非空的行索引（全为空则设为无穷大）
    idx2 = group[group['value_2'].notna()].index.min() if not group['value_2'].isna().all() else float('inf')
    
    if idx2 < idx1:
        return 'value_2 appeared before value_1'
    elif idx1 < idx2:
        return 'value_1 appeared before value_2'
    else:
        return 'Both have no non-null values or appeared at the same time'

# 分组计算并整理结果格式
result_df = df.groupby('Account').apply(compare_first_non_null).reset_index(name='result')
result_df.rename(columns={'Account': 'account'}, inplace=True)

print(result_df)

关键逻辑说明 #

1. 空值处理：用pd.NA统一表示原数据中的空值，符合Pandas的空值判断规范
2. 首次非空位置提取：利用原DataFrame已按年月排序的特性，通过index.min()获取首次出现非空值的行索引（索引越小代表时间越早）
3. 对比逻辑：用float('inf')处理某列全为空的场景，确保比较逻辑不会出错
4. 结果整理：将分组计算的结果重置索引、重命名列，最终得到需求格式的DataFrame

内容的提问来源于stack exchange，提问作者Django0602