Pandas分组处理求助：提取最新逾期金额时返回全NaN如何解决？

你的代码返回全NaN的核心问题是索引不匹配：

• 当你执行df_account[df_account["AccountRating"]=='Delayed'].groupby('Debtor ID')["AccountRatingDate"].idxmax()时，返回的是原DataFrame的行位置索引（比如默认的0、1、3这类数字）
• 而你的new_df索引是Debtor ID字符串（比如"约翰·斯诺"），直接赋值时Pandas会按索引对齐，两边索引完全不匹配，所以所有值都变成了NaN。

另外，原代码也没处理那些没有延迟记录的债务人（萨拉·帕克、爱德华·霍尔），这部分需要填充0。

下面给你两种可行的解决方案：

方案1：修正索引对齐问题，合并后填充缺失值 #

先提取延迟记录的最新值，手动对齐索引后合并到new_df，再用0填充无延迟记录的条目：

# 1. 筛选延迟记录，获取每个债务人最新延迟记录的原行索引
delayed_latest_idx = df_account[df_account["AccountRating"] == "Delayed"]\
    .groupby("Debtor ID")["AccountRatingDate"].idxmax()

# 2. 提取对应金额，并将结果的索引设置为Debtor ID（方便后续合并）
delayed_latest = df_account.loc[delayed_latest_idx, ["AmountOutstanding", "AmountPastDue"]]
delayed_latest.index = df_account.loc[delayed_latest_idx, "Debtor ID"]

# 3. 重命名列并合并到new_df，用0填充缺失值
new_df = new_df.join(
    delayed_latest.rename(columns={
        "AmountOutstanding": "TheMostRecentOutstanding",
        "AmountPastDue": "TheMostRecentPastDue"
    })
).fillna(0)

方案2：一次性分组聚合（更简洁高效） #

直接通过groupby的聚合逻辑，一次性计算所有需要的统计字段，避免索引问题：

# 定义一个辅助函数，获取每组的最新延迟金额（无延迟则返回0）
def get_latest_delayed(group):
    delayed = group[group["AccountRating"] == "Delayed"]
    if not delayed.empty:
        latest = delayed.sort_values("AccountRatingDate", ascending=False).iloc[0]
        return latest["AmountOutstanding"], latest["AmountPastDue"]
    return 0, 0

# 分组聚合所有字段
new_df = df_account.groupby("Debtor ID").apply(lambda g: pd.Series({
    "Incidents of delay": (g["AmountPastDue"] > 0).sum(),
    "TheMostRecentOutstanding": get_latest_delayed(g)[0],
    "TheMostRecentPastDue": get_latest_delayed(g)[1]
})).reset_index()

执行任意一种方案后，你就能得到期望的结果：

内容的提问来源于stack exchange，提问作者user9695260