基于Pandas按ID分组计算部门变更累计次数的技术问题

现有一份记录客服工单审计轨迹的Pandas DataFrame，每条数据记录工单在不同部门的流转时段。需要按ID分组，生成每次部门变更（包括返回已去过的部门）的累计计数。

输入数据 #

期望输出 #

新增Count of Department Change列，记录累计变更次数（同一ID下，每发生一次部门切换，计数累加，初始行计数为0）。

当前尝试代码 #

用户已实现变更标记，但无法生成分组累计计数：

import numpy as np
df['Dept_Change_Count'] = np.where((df['Department'] != df['Department'].shift(1)) & (df['ID'] == df['ID'].shift(1)), '1', '0')

要实现分组累计计数，核心是在同一ID分组内判断部门变更，再对变更标记做组内累加。步骤如下：

1. 先按ID和Start Date排序，确保工单流转顺序正确：

df = df.sort_values(['ID', 'Start Date']).reset_index(drop=True)

2. 生成组内的部门变更标记（布尔值）：

df['is_change'] = df.groupby('ID')['Department'].apply(lambda x: x != x.shift())

通过groupby('ID')限定只在同一工单ID内比较前后行的部门，避免跨ID误判。

3. 对变更标记做组内累计求和，得到累计变更次数：

df['Count of Department Change'] = df.groupby('ID')['is_change'].cumsum().astype(int)

完整代码 #

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'ID': ['A', 'A', 'A', 'A', 'B', 'B'],
    'Department': ['Sales', 'Sales', 'Operations', 'Sales', 'Finance', 'Risk'],
    'Start Date': ['01/01/2022', '02/01/2022', '03/01/2022', '04/01/2022', '01/01/2022', '02/01/2022'],
    'End Date': ['02/01/2022', '03/01/2022', '04/01/2022', '05/01/2022', '02/01/2022', '03/01/2022']
}
df = pd.DataFrame(data)

# 排序确保流转顺序正确
df = df.sort_values(['ID', 'Start Date']).reset_index(drop=True)

# 生成组内变更标记
df['is_change'] = df.groupby('ID')['Department'].apply(lambda x: x != x.shift())

# 组内累计求和得到变更计数
df['Count of Department Change'] = df.groupby('ID')['is_change'].cumsum().astype(int)

# 可选：删除中间辅助列
df = df.drop('is_change', axis=1)

print(df)

最终输出 #

内容的提问来源于stack exchange，提问作者Scott Renfree-Tuck