基于连续行生成Source与Target列的Pandas数据处理需求

问题描述 #

现有存储客户编号（CustomerNr）与活动（Activity）的Pandas DataFrame，需将同一客户的连续活动转换为**Source（前序活动）和Target（后续活动）**列：

• 同一客户的连续活动两两配对，前序活动为Source，后续为Target
• 若客户仅存在单个活动，则生成一行Target为NaN的记录

原始数据 #

import pandas as pd
import numpy as np

df = pd.DataFrame([[1001, 'A'], [1001,'C'], [1004, 'D'],[1005, 'C'], 
                   [1005,'D'], [1010, 'A'],[1010,'D'],[1010,'F']], columns=['CustomerNr','Activity'])

期望输出 #

目标表格 #

对应代码形式 #

result = pd.DataFrame([[1001, 'A','C'], [1004, 'D',np.nan],[1005, 'C','D'], 
                       [1010, 'A','D'],[1010,'D' ,'F']], columns=['CustomerNr','Source','Target'])

实现代码 #

# 1. 计算每个客户的活动数量
df['activity_count'] = df.groupby('CustomerNr')['Activity'].transform('count')

# 2. 为每个客户生成Target列（取下一个活动）
df['Target'] = df.groupby('CustomerNr')['Activity'].shift(-1)

# 3. 重命名原Activity列为Source
df = df.rename(columns={'Activity': 'Source'})

# 4. 筛选符合要求的行：保留有后续活动的行，或仅单个活动的行
result = df[(df['Target'].notna()) | (df['activity_count'] == 1)][['CustomerNr', 'Source', 'Target']].reset_index(drop=True)

# 查看结果
print(result)

内容的提问来源于stack exchange，提问作者j_90