Python pandas如何用groupby分组追踪多列变化新增标识列

核心逻辑 #

针对每个Contract_Id对应2条版本记录的结构，按合同ID分组后，分别判断合同价值、到期日两个字段在组内是否存在多个不同取值，匹配对应变更类型后给组内所有记录统一打标签。变更类型共4类：

• 合同价值变更：仅合同价值字段存在差异
• 到期日变更：仅到期日字段存在差异
• 两者均变更：两个字段都存在差异
• 两者均无变更：两个字段取值完全一致

可直接运行的代码 #

import pandas as pd

# --------------------------
# 这里替换成你自己的DataFrame读取逻辑
# 示例测试数据构造
df = pd.DataFrame({
    'Contract_Id': ['C001', 'C001', 'C002', 'C002', 'C003', 'C003', 'C004', 'C004'],
    'Contract Value': [10000, 12000, 50000, 50000, 30000, 35000, 20000, 20000],
    'Expiry Date': ['2025-12-31', '2025-12-31', '2024-06-30', '2025-06-30', '2024-03-15', '2025-03-15', '2026-01-01', '2026-01-01']
})
# --------------------------

def mark_change_status(group_df):
    # 统计字段唯一值数量，大于1说明存在变更；字段含空值时请给nunique传入dropna=False参数
    is_value_change = group_df['Contract Value'].nunique() > 1
    is_expiry_change = group_df['Expiry Date'].nunique() > 1

    if is_value_change and is_expiry_change:
        group_df['Change'] = '两者均变更'
    elif is_value_change:
        group_df['Change'] = '合同价值变更'
    elif is_expiry_change:
        group_df['Change'] = '到期日变更'
    else:
        group_df['Change'] = '两者均无变更'
    return group_df

# 分组打标
df = df.groupby('Contract_Id', group_keys=False).apply(mark_change_status)

补充说明 #

• 上述代码执行后，同一Contract_Id下的2条记录会标注完全相同的变更类型，和需求要求的输出逻辑一致
• 如果需要区分变更方向（比如合同价值上涨/下跌、到期日提前/延后），可以在分组内先按合同版本生成时间排序，取前后两条记录做差值判断后扩展标签规则即可
• 日期字段建议提前转成datetime类型，避免字符串格式不一致导致的判断误差，转换命令参考：df['Expiry Date'] = pd.to_datetime(df['Expiry Date'])

内容的提问来源于stack exchange，提问作者Mitchell