Python DataFrame按customer_id分组统计工单首提日期、最大操作及解决日期

不需要使用self join，直接通过Pandas的分组聚合能力即可实现该需求，具体步骤如下：

前置处理 #

首先需要将3个日期字段转换为datetime类型，避免字符串比较大小出现逻辑错误：

import pandas as pd

# 假设原始数据已经读取为DataFrame，变量名为df
date_cols = ['issue_date', 'action_date', 'resolve_date']
for col in date_cols:
    # 按日-月-年格式解析，空值自动转为NaT
    df[col] = pd.to_datetime(df[col], format='%d-%m-%Y', errors='coerce')

分组聚合 #

按customer_id分组后，对每个分组的字段按业务规则聚合即可：

def customer_agg(group):
    # 判断当前客户是否所有工单都已解决
    all_resolved = (group['status'] == 'resolved').all()
    
    # 按规则计算各字段值
    return pd.Series({
        "status": "resolved" if all_resolved 
                  else "in-progress" if "in-progress" in group["status"].values 
                  else "submitted",
        "issue_date": group["issue_date"].min(),
        "action_date": group["action_date"].max(),
        "resolve_date": group["resolve_date"].max() if all_resolved else pd.NA
    })

# 执行分组聚合
result_df = df.groupby("customer_id", as_index=False).apply(customer_agg)

# 如果需要把日期转回字符串格式，空值显示为NULL，可加以下代码
for col in date_cols:
    result_df[col] = result_df[col].dt.strftime("%d-%m-%Y").fillna("NULL")

结果说明 #

执行完成后result_df的输出格式和你给出的预期示例完全一致，逻辑完全符合业务规则：

• 所有工单都为resolved的客户，resolve_date取最大的解决日期，状态为resolved
• 存在未解决工单的客户，resolve_date显示为NULL，状态优先取in-progress，没有in-progress则取submitted
• 日期字段都按要求取对应极值

内容的提问来源于stack exchange，提问作者king