基于多条件创建用户忠诚度标签并更新Pandas DataFrame列

核心思路是先对每条结账确认记录按用户+时间顺序编号，再根据编号匹配对应标签，因为结账标签优先级更高，放在前两个标签赋值之后执行即可覆盖冲突值。

步骤1：先按用户和时间排序（保证结账次数统计顺序正确） #

import pandas as pd
import numpy as np

# 先对数据按用户ID和时间戳升序排序，确保结账顺序统计准确
test_df = test_df.sort_values(by=['user_id', 'timestamp']).reset_index(drop=True)

步骤2：保留你已有的前两个标签赋值逻辑 #

test_df['loyalty'] = np.where((test_df['session'] > 0) & ((test_df['type'] != 'checkout:confirmation')), 'frequent_visitor', None)
test_df.loc[test_df['session'] == 0, 'loyalty'] = 'first_time_visitor'

步骤3：统计每个用户的结账次数顺序，赋值对应标签 #

# 给每个用户的结账确认记录按时间顺序编号，从0开始计数
test_df['checkout_seq'] = test_df[test_df['type'] == 'checkout:confirmation'].groupby('user_id').cumcount()

# 按次数赋值标签
test_df.loc[test_df['checkout_seq'] == 0, 'loyalty'] = 'first_time_customer'
test_df.loc[test_df['checkout_seq'] == 1, 'loyalty'] = 'repeat_customer'
test_df.loc[test_df['checkout_seq'] >= 2, 'loyalty'] = 'loyal_customer'

# 可选：删除中间辅助列
test_df.drop('checkout_seq', axis=1, inplace=True)

最终输出结果示例 #

内容的提问来源于stack exchange，提问作者Salaaned