Pandas查找累计值超阈值对应level并存储为嵌套列表的方法

核心思路 #

• 按user_id、profile、item三个维度拆分数据组
• 筛选出所有累计金额达到/超过阈值的记录，每个分组取排序后第一条符合条件的记录（即刚好达标的那条）
• 最终按用户维度聚合对应level值，转换为嵌套列表格式

完整实现代码 #

import pandas as pd

# 阈值可根据实际需求修改
threshold = 40

# 若原始数据未按level升序排列，先执行排序保证取到首次达标的记录
df = df.sort_values(by=['user_id', 'profile', 'item', 'level']).reset_index(drop=True)

result = (
    # 先过滤出所有达标的记录
    df[df['cumulative_amount'] >= threshold]
    # 按三个维度分组，取每组第一条达标记录
    .groupby(['user_id', 'profile', 'item'], as_index=False)
    .first()
    # 按用户维度聚合level为列表
    .groupby('user_id')['level']
    .agg(list)
    # 转换为最终需要的嵌套列表
    .tolist()
)

结果验证 #

针对提供的样例数据，执行上述代码后result的输出为：

[[2, 3, 1, 2], [5, 6, 6, 3]]

完全匹配期望输出格式。

注意事项 #

• 必须保证每个(user_id, profile, item)分组内的数据按level从小到大排序，否则可能取到非首次达标的level值
• 若存在分组始终未达到阈值的情况，上述代码会自动忽略该分组，如果需要保留占位值，可以在分组逻辑中补充缺失值处理

内容的提问来源于stack exchange，提问作者ianux22