基于ID与Data列识别状态变更并生成新DataFrame

原始数据 #

需求 #

基于ID和Data列识别Status的变更，生成包含变更状态、最终状态的新表，且结果不受原表中ID和Data的排列顺序影响，预期输出如下：

预期输出 #

实现代码（Pandas） #

import pandas as pd

# 构造原始数据（实际场景可替换为读取你的数据源，比如pd.read_csv）
df = pd.DataFrame({
    'ID': [1,2,3,2,3,1,4,4],
    'Status': ['A','B','C','C','D','E','E','E'],
    'Data': ['Old','Old','Old','New','New','New','New','Old'],
    'Column': [111,222,333,222,333,111,444,444]
})

# 按ID分组，提取每个ID对应的Old、New状态以及Column值
grouped_df = df.groupby('ID').apply(
    lambda x: pd.Series({
        'old_status': x[x['Data'] == 'Old']['Status'].iloc[0],
        'new_status': x[x['Data'] == 'New']['Status'].iloc[0],
        'column': x['Column'].iloc[0]
    })
).reset_index()

# 生成变更状态列
grouped_df['Change Status'] = grouped_df.apply(
    lambda row: f"{row['old_status']} -> {row['new_status']}" 
    if row['old_status'] != row['new_status'] 
    else 'No Change',
    axis=1
)

# 整理成目标列格式
result_df = grouped_df[['ID', 'Change Status']].assign(
    Data='New',
    Final Status=grouped_df['new_status'],
    Column=grouped_df['column']
)

# 输出结果（如果需要保存到文件可以用result_df.to_csv等方法）
print(result_df.to_markdown(index=False, tablefmt='grid'))

代码解释 #

1. 分组提取状态：按ID分组，不管原表中ID和Data的顺序，直接提取每个ID下Data=Old和Data=New对应的Status值，同时保留Column（同ID下Column值一致，随便取一个即可）；
2. 生成变更描述：对比Old和New的Status，不一样就显示旧状态->新状态，一样就标No Change；
3. 调整列结构：把列调整成预期的顺序，固定Data列显示New，Final Status直接用New对应的状态。

这样不管原表中ID和Data的行怎么排，只要每个ID都有Old和New的记录，就能正确生成结果。

内容的提问来源于stack exchange，提问作者DJKarma