Pandas按ID分组依据日期条件更新DataFrame的Status列

核心思路 #

• 先将Origin字段转为整数类型，避免字符串比较导致的逻辑错误
• 按ID分组，计算每个分组内Origin的最大值（即组内最新年份）
• 筛选出满足「状态为Unfinished且Origin不是组内最大值」的行，为其标记更新后的状态，其余行不做修改

完整实现代码 #

import pandas as pd

# 示例数据构造（已有数据集可跳过此段）
df = pd.DataFrame({'ID': ['1', '1', '1', '2', '2', '2'], 
                   'ID2': ['25', '29', '56', '562', '92', '170'],
                   'Origin': ['2005', '2010', '2020', '1995', '1999', '2007'],
                   'Status' : ['Done', 'Unfinished', 'Done', 'Done', 'Done', 'Unfinished']
                  })

# 类型转换：将年份从字符串转为整数
df['Origin'] = df['Origin'].astype(int)

# 分组计算每个ID对应的最新年份（Origin最大值），用transform把值映射回每一行
df['group_max_origin'] = df.groupby('ID')['Origin'].transform('max')

# 生成Updated_Status列
df['Updated_Status'] = ''
# 构造更新掩码：状态为未完成，且所在行不是组内最新年份
update_condition = (df['Status'] == 'Unfinished') & (df['Origin'] != df['group_max_origin'])
df.loc[update_condition, 'Updated_Status'] = 'Done'

# 清理临时中间列
df = df.drop(columns=['group_max_origin'])

运行结果 #

运行代码后输出的DataFrame和预期结果完全一致：

如果需要直接修改原Status列而不是新增Updated_Status列，只需要把赋值目标从Updated_Status改成Status即可。

内容的提问来源于stack exchange，提问作者user4740374