如何按ID分组，基于6个月前同列值修改Pandas的Lifecycle ID

方法一：分组遍历（直观易懂） #

先对数据按ID分组并按Date排序，再对每个分组内的记录检查其6个月前是否存在同ID且Lifecycle ID=5的记录，满足条件则将当前记录的Lifecycle ID改为6。

import pandas as pd
import datetime

# 原始数据
df = pd.DataFrame({'ID': [1, 2, 1, 1], 
                   'Date' : [datetime.date(year=2022,month=5,day=1), datetime.date(year=2022,month=11,day=1),
                             datetime.date(year=2022,month=10,day=1), datetime.date(year=2022,month=11,day=1)], 
                   "Lifecycle ID": [5,5,5,5]})

# 转换Date列为datetime类型，方便日期计算
df['Date'] = pd.to_datetime(df['Date'])
# 按ID分组并按日期排序
df = df.sort_values(['ID', 'Date']).reset_index(drop=True)

def update_lifecycle(group):
    # 计算每条记录6个月前的日期
    group['6_months_ago'] = group['Date'] - pd.DateOffset(months=6)
    # 遍历每条记录，检查匹配条件
    for idx, row in group.iterrows():
        # 查找同组内日期等于6个月前且Lifecycle ID为5的记录
        has_match = not group[(group['Date'] == row['6_months_ago']) & (group['Lifecycle ID'] == 5)].empty
        if has_match:
            group.at[idx, 'Lifecycle ID'] = 6
    # 移除辅助列
    return group.drop('6_months_ago', axis=1)

# 应用分组处理
result_df = df.groupby('ID', group_keys=False).apply(update_lifecycle)
print(result_df)

方法二：合并匹配（高效适合大数据量） #

通过创建辅助表，将原记录的日期后推6个月作为匹配键，与原表合并后直接判断条件并更新，避免遍历提升效率。

import pandas as pd
import datetime

# 原始数据
df = pd.DataFrame({'ID': [1, 2, 1, 1], 
                   'Date' : [datetime.date(year=2022,month=5,day=1), datetime.date(year=2022,month=11,day=1),
                             datetime.date(year=2022,month=10,day=1), datetime.date(year=2022,month=11,day=1)], 
                   "Lifecycle ID": [5,5,5,5]})

# 转换Date列为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 创建辅助表：将原记录的日期后推6个月，作为后续匹配的目标日期
temp_df = df.copy()
temp_df['Match_Date'] = temp_df['Date'] + pd.DateOffset(months=6)
temp_df = temp_df[['ID', 'Match_Date', 'Lifecycle ID']].rename(columns={'Lifecycle ID': 'Prev_Lifecycle'})

# 合并原表与辅助表，匹配ID和当前日期=辅助表的Match_Date
merged_df = df.merge(temp_df, left_on=['ID', 'Date'], right_on=['ID', 'Match_Date'], how='left')

# 根据匹配结果更新Lifecycle ID
merged_df['Lifecycle ID'] = merged_df.apply(
    lambda x: 6 if pd.notna(x['Prev_Lifecycle']) and x['Prev_Lifecycle'] == 5 else x['Lifecycle ID'],
    axis=1
)

# 清理多余列并排序
result_df = merged_df.drop(['Match_Date', 'Prev_Lifecycle'], axis=1).sort_values(['ID', 'Date']).reset_index(drop=True)
print(result_df)

输出结果 #

两种方法都会得到如下结果：

ID       Date  Lifecycle ID
0   1 2022-05-01             5
1   1 2022-10-01             5
2   1 2022-11-01             6
3   2 2022-11-01             5

内容的提问来源于stack exchange，提问作者FriendlyGuy