非平衡面板数据中个体分类变量（职业）状态变化识别问题求助

报错原因 #

你使用的diff()方法仅支持数值型数据运算，而job列是字符串类型，直接调用会触发类型错误。

完整解决方案 #

第一步：规整时间顺序 #

先把字符串格式的日期转为datetime类型，再按id和date排序，确保每个个体的观测记录是按时间先后排列的：

import pandas as pd

df = pd.DataFrame(
    {
        "region": ["C1", "C1", "C2", "C2", "C2"],
        "id": [1, 1, 2, 2, 2],
        "date": ["01/01/2021", "01/02/2021", "01/01/2021", "01/02/2021", "01/03/2021"],
        "job": ["A", "A", "A", "B", "B"],
    }
)

# 转换日期格式
df['date'] = pd.to_datetime(df['date'], format='%d/%m/%Y')
# 按个体和日期排序
df = df.sort_values(by=['id', 'date']).reset_index(drop=True)

第二步：标记职业变化 #

用shift()方法获取每个个体上一行的职业值，和当前行对比来判断是否发生变化：

# 生成0/1标记：1表示职业变化，0表示无变化
df['change'] = df.groupby('id')['job'].apply(lambda x: x != x.shift()).astype(int)
# 每个个体的第一条数据填充为0（无前置记录，不存在变化）
df['change'] = df['change'].fillna(0)

如果需要更直观的变化详情（比如显示从A到B的具体变化），可以额外添加一列：

df['change_detail'] = df.groupby('id')['job'].apply(lambda x: x.shift() + '→' + x)
df['change_detail'] = df['change_detail'].fillna('无前置数据')

最终输出 #

运行后得到的结果：

region  id       date job  change change_detail
0     C1   1 2021-01-01   A       0      无前置数据
1     C1   1 2021-02-01   A       0          A→A
2     C2   2 2021-01-01   A       0      无前置数据
3     C2   2 2021-02-01   B       1          A→B
4     C2   2 2021-03-01   B       0          B→B

内容的提问来源于stack exchange，提问作者Suryadipta