如何用Python对堆叠式DataFrame中的支付趋势进行正负分类？

嘿，我来帮你搞定这个问题！要给每个客户的支付趋势分成Positive（上升）或Negative（下降），我们可以按「排序→分组计算趋势→生成结果」的步骤来做，这里给你两种实用的方法，适配不同的场景：

先准备好数据 #

首先我们把你给出的示例数据转换成Pandas DataFrame：

import pandas as pd

data = {
    'period': [2, 3, 1, 1, 2, 2, 3, 1],
    'customer': ['John', 'Doe', 'Jane', 'John', 'Doe', 'Jane', 'John', 'Doe'],
    'pay': [400, 300, 100, 350, 250, 150, 145, 225]
}
df = pd.DataFrame(data)

第一步：按客户和时间排序 #

不管用哪种方法，首先得保证每个客户的支付数据是按period的时间顺序排列的，不然计算趋势会出错：

# 按客户分组，再按period升序排序
df_sorted = df.sort_values(by=['customer', 'period'])

方法1：首尾值对比（简单直观，适合固定周期数据） #

如果每个客户的周期数量固定（比如你这里都是3个period），直接对比第一期和最后一期的支付金额就够了，操作简单：

# 定义一个函数，判断单个客户的趋势
def get_trend_simple(group):
    first_pay = group['pay'].iloc[0]  # 第一期支付
    last_pay = group['pay'].iloc[-1]  # 最后一期支付
    return 'Positive' if last_pay > first_pay else 'Negative'

# 按客户分组应用函数，生成趋势结果
trend_result = df_sorted.groupby('customer').apply(get_trend_simple).reset_index(name='pay_trend')

运行后得到的trend_result就是你想要的结果：

customer pay_trend
0      Doe  Positive
1     Jane  Positive
2     John  Negative

方法2：线性回归斜率判断（更通用，适合多周期数据） #

如果客户有更多的period，或者你想反映整体的变化趋势（而不是只看首尾），用线性回归计算斜率的方法更准确：

我们需要用到scipy的线性回归工具：

from scipy.stats import linregress

# 定义函数，通过斜率判断趋势
def get_trend_slope(group):
    x = group['period']  # 时间变量
    y = group['pay']     # 支付金额
    # 计算线性回归的斜率
    slope, _, _, _, _ = linregress(x, y)
    # 斜率为正就是上升趋势，负则为下降
    return 'Positive' if slope > 0 else 'Negative'

# 分组计算趋势
trend_result_slope = df_sorted.groupby('customer').apply(get_trend_slope).reset_index(name='pay_trend')

对示例数据来说，这个方法的结果和方法1完全一致，因为整体趋势和首尾对比的结果相同～

可选：把趋势合并回原数据 #

如果你想把pay_trend列添加到原来的堆叠DataFrame里，用merge就可以：

final_df = df.merge(trend_result, on='customer')

这样原数据的每一行都会带上对应的客户趋势啦！

内容的提问来源于stack exchange，提问作者Satsu