Python实现按VIN列识别C≤10条件的新软件问题求助

解决方案思路 #

核心逻辑是：按VIN分组后，提取软件版本后缀判断更新顺序，再结合C列≤10的条件标记新软件。以下是两种高效实现方式，避免apply可能的性能问题。

实现代码（简洁版） #

先假设你的输入DataFrame结构如下：

import pandas as pd

# 示例输入数据
data = {
    'VIN': ['VIN1', 'VIN1', 'VIN1', 'VIN2', 'VIN2'],
    'SOFTWARE': ['c5D2-14N450-CBQ', 'c5D2-14N450-CBR', 'c5D2-14N450-CBS', 'X1Y2-98Z76-AA', 'X1Y2-98Z76-AB'],
    'C': [5, 8, 12, 9, 15]
}
df = pd.DataFrame(data)

执行以下代码完成标记：

# 1. 提取软件版本后缀（最后一段字符）
df['VERSION'] = df['SOFTWARE'].str.split('-').str[-1]

# 2. 按VIN分组，给每个版本排序排名（升序：1=最早版本，数值越大版本越新）
df['VERSION_RANK'] = df.groupby('VIN')['VERSION'].rank(method='dense', ascending=True)

# 3. 标记新软件：版本排名>1（更新版本）且C列≤10
df['IS_NEW_SOFTWARE'] = (df['VERSION_RANK'] > 1) & (df['C'] <= 10)

# 清理中间列（可选）
df = df.drop(['VERSION', 'VERSION_RANK'], axis=1)

期望输出 #

运行后得到的结果：

VIN           SOFTWARE   C  IS_NEW_SOFTWARE
0  VIN1  c5D2-14N450-CBQ    5           False
1  VIN1  c5D2-14N450-CBR    8            True
2  VIN1  c5D2-14N450-CBS   12           False
3  VIN2    X1Y2-98Z76-AA    9           False
4  VIN2    X1Y2-98Z76-AB   15           False

代码解释 #

1. 提取版本后缀：通过str.split('-').str[-1]拆分软件字符串，取最后一段作为版本标识（比如CBQ、CBR）。
2. 版本排名：用groupby+rank给每个VIN下的版本排序，method='dense'确保相同版本不会跳号，ascending=True让最早版本排名为1。
3. 条件判断：只有同时满足「版本是更新后的（排名>1）」和「C列≤10」的行，才标记为新软件。

备选方案（使用apply） #

如果偏好apply方式，也可以用分组自定义函数实现：

def mark_new_software(group):
    # 按版本排序，确定更新顺序
    group_sorted = group.sort_values('SOFTWARE').copy()
    # 标记除第一个版本外的更新版本
    group_sorted['IS_NEW_SOFTWARE'] = group_sorted.index != group_sorted.index[0]
    # 过滤C列>10的情况
    group_sorted.loc[group_sorted['C'] > 10, 'IS_NEW_SOFTWARE'] = False
    return group_sorted

# 分组应用函数并重置索引
df = df.groupby('VIN').apply(mark_new_software).reset_index(drop=True)

注意：apply在大数据量下性能不如rank+transform的方式，优先推荐第一种方案。

内容的提问来源于stack exchange，提问作者junaid