基于条件为DataFrame列打标签：Paid/UnPaid状态判定求助

核心逻辑：对每个Id，先按时间顺序排序数据，取最近的3条记录（不足3条则取全部），若这部分记录的processed和success列全为0，标记为UnPaid，否则标记为Paid。

具体代码实现 #

import pandas as pd

# 加载原始数据
data = {
    'Id': ['A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C'],
    'Month': ['Jan', 'Feb', 'Mar', 'Jan', 'Feb', 'Mar', 'Apr', 'Dec', 'Jan', 'Feb'],
    'Year': [2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2022, 2022],
    'processed': [0, 0, 1, 0, 0, 0, 0, 0, 0, 1],
    'success': [0, 1, 0, 1, 0, 0, 0, 0, 0, 0]
}
df = pd.DataFrame(data)

# 生成可排序的日期列，确保时间顺序正确
df['date'] = pd.to_datetime(df['Month'] + ' ' + df['Year'].astype(str))

# 按Id分组处理每个用户的状态
result = df.groupby('Id').apply(lambda group: {
    'final_status': 'UnPaid' if (group[['processed', 'success']].tail(3) == 0).all().all() else 'Paid'
}).reset_index()

# 调整为目标格式
result.columns = ['Id', 'final_status']
print(result)

代码关键点说明 #

1. 日期转换：用pd.to_datetime把Month和Year合并为标准日期，避免月份缩写导致的排序错误（比如确保C的Dec2021→Jan2022→Feb2022顺序正确）。
2. 分组处理：通过groupby('Id')对每个用户单独计算状态。
3. 最后3条校验：tail(3)取最近3条记录，(group[['processed', 'success']].tail(3) == 0).all().all()逐层校验：
   • 第一层all()：确保单条记录的processed和success都为0；
   • 第二层all()：确保所有取到的记录都满足全0条件。

运行结果 #

Id final_status
0  A          Paid
1  B        UnPaid
2  C          Paid

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