Pandas如何按客户ID分组判断状态列值并生成对应新列

需求说明：针对每个客户，只要其任意一条记录的Status为Confirmed，该客户所有行的新增列Customer Status都标记为Active，否则标记为Inactive。

最简实现代码 #

不需要写循环、不需要额外做表关联，直接用pandas内置的分组变换方法即可实现：

# 直接在原DataFrame上新增列即可
df['Customer Status'] = df.groupby('Customer ID')['Status'].transform(
    lambda group: 'Active' if group.eq('Confirmed').any() else 'Inactive'
)

逻辑解释 #

• 首先以Customer ID为维度做分组，每个分组对应同一个客户的全部记录
• 对每个分组的Status列做存在性判断：eq('Confirmed').any()会返回布尔值，表示组内是否存在状态为Confirmed的记录
• transform方法会把每个分组计算得到的单值结果，自动广播填充到组内的每一行，保证同一个客户的所有行标记完全一致
• 执行完上述代码后，输出结果和预期完全一致，不会改动原有两列的数值和顺序

可选等价实现 #

如果习惯先算映射表再赋值的写法，也可以用下面的代码，逻辑完全一致，超大数据集下性能表现相近：

# 先计算每个客户ID对应的状态
status_mapping = (
    df['Status'].eq('Confirmed')
    .groupby(df['Customer ID'])
    .any()
    .replace({True: 'Active', False: 'Inactive'})
)
# 按客户ID映射赋值到新列
df['Customer Status'] = df['Customer ID'].map(status_mapping)

内容的提问来源于stack exchange，提问作者Rachel Soh