如何基于系统名称与序列条件偏移Pandas行，关联上一序列数据？

你的需求是按系统名称分组，匹配同系统下序列为当前序列-1的状态和时间，以下是两种可行的实现方法，同时会说明你原代码的问题。

方法一：使用groupby + shift（推荐） #

因为序列是按系统自增的，先按系统名称分组，确保每组内按序列排序后，用shift(1)即可获取上一条记录的对应字段：

import pandas as pd

# 构造示例数据
data = {
    'id': ['001', '002', '003', '004', '005', '006', '007', '008'],
    '时间': ['2022-06-01 10:00:12', '2022-06-01 10:01:02', '2022-06-01 10:01:45', '2022-06-01 10:01:52',
           '2022-06-01 10:02:00', '2022-06-01 10:02:02', '2022-06-01 10:02:13', '2022-06-01 10:01:02'],
    '系统名称': ['A', 'B', 'A', 'B', 'C', 'B', 'A', 'C'],
    '状态': ['RUNNING', 'RUNNING', 'DONE', 'DONE', 'RUNNING', 'ERROR', 'IDLE', 'DONE'],
    '序列': [1, 1, 2, 2, 1, 3, 3, 2]
}
df = pd.DataFrame(data)

# 按系统分组，组内按序列排序，再获取上一状态和时间
df_sorted = df.sort_values(['系统名称', '序列'])
df_sorted['上一状态'] = df_sorted.groupby('系统名称')['状态'].shift(1)
df_sorted['上一时间'] = df_sorted.groupby('系统名称')['时间'].shift(1)

# 还原原id顺序并处理空值
result = df_sorted.set_index('id').reindex(df['id']).reset_index()
result['上一状态'] = result['上一状态'].fillna(pd.NA)
result['上一时间'] = result['上一时间'].fillna('nta')

# 输出目标格式
print(result[['id', '时间', '系统名称', '状态', '序列', '上一状态', '上一时间']])

方法二：使用merge关联自身 #

通过将DataFrame与自身合并，匹配同系统下序列 = 当前序列-1的记录：

import pandas as pd

# 构造示例数据
data = {
    'id': ['001', '002', '003', '004', '005', '006', '007', '008'],
    '时间': ['2022-06-01 10:00:12', '2022-06-01 10:01:02', '2022-06-01 10:01:45', '2022-06-01 10:01:52',
           '2022-06-01 10:02:00', '2022-06-01 10:02:02', '2022-06-01 10:02:13', '2022-06-01 10:01:02'],
    '系统名称': ['A', 'B', 'A', 'B', 'C', 'B', 'A', 'C'],
    '状态': ['RUNNING', 'RUNNING', 'DONE', 'DONE', 'RUNNING', 'ERROR', 'IDLE', 'DONE'],
    '序列': [1, 1, 2, 2, 1, 3, 3, 2]
}
df = pd.DataFrame(data)

# 准备合并用的辅助表，重命名字段
prev_df = df.rename(columns={'状态': '上一状态', '时间': '上一时间', '序列': '上一序列'})
# 匹配规则：同系统，当前序列 = 上一序列 + 1
result = pd.merge(df, prev_df, 
                  left_on=['系统名称', '序列'], 
                  right_on=['系统名称', '上一序列'],
                  how='left')

# 整理列名并处理空值
result = result[['id_x', '时间_x', '系统名称', '状态_x', '序列_x', '上一状态', '上一时间']]
result.columns = ['id', '时间', '系统名称', '状态', '序列', '上一状态', '上一时间']
result['上一状态'] = result['上一状态'].fillna(pd.NA)
result['上一时间'] = result['上一时间'].fillna('nta')

print(result)

原代码的问题说明 #

1. 语法错误：df['system_name']=df['system_name']是赋值操作，不是比较，应改为==；
2. 逻辑缺陷：没有按系统名称分组，df['sequence'].values-1会跨系统匹配序列，导致关联逻辑混乱，无法精准匹配同系统的上一序列数据。

内容的提问来源于stack exchange，提问作者YVS1997