Python Pandas数据处理：替换字符值后按多列条件计算MSD（逾期月数）

你之前编写的数值替换代码逻辑正确，替换完成后可按以下步骤计算MSD字段：

完整可运行代码 #

# 执行你已有的数值转换逻辑
df = df.replace({'C': 0, 'F': 0, 'Z': 0,' ':0}).astype(int)

# 1. 按1个月前到12个月前的顺序提取目标逾期列
dlq_cols = sorted(df.filter(like='CRDACCT_DLQ_CYC').columns, key=lambda col: int(col.split('_')[4]))

# 2. 构造值大于1的布尔掩码矩阵
mask = df[dlq_cols] > 1

# 3. 逐行取第一个满足>1的列对应的月份数，所有列都不满足则取0
df['MSD'] = mask.idxmax(axis=1).where(mask.any(axis=1), 0).apply(
    lambda x: int(x.split('_')[4]) if x != 0 else 0
)

逻辑说明 #

• 第一步先对12个逾期列按月份从小到大排序，保证检查顺序符合你要求的从近到远（1个月前到12个月前）
• 第二步的布尔矩阵标记了所有值大于1的单元格位置
• 第三步使用idxmax(axis=1)找到每行第一个出现True的列名，如果该行全为False（没有值>1的列）则直接赋值为0，最终从列名中提取对应的月份数字作为MSD值

结果验证 #

和你给出的示例完全匹配：

• 索引0行：第一个列值为3>1，MSD返回1
• 索引2行：第一个列值为0，第二个列值为3>1，MSD返回2

内容的提问来源于stack exchange，提问作者Anwar San