如何按year_group顺序统计id对应的category类别转移次数

不需要拆分多个DataFrame，用分组+移位的方法就能天然保证时间顺序，完全避免反向统计的问题，核心逻辑如下：

• 先按id+year_group升序排序，确保每个id下的行是按年份从小到大排列
• 对每个id的category列用shift(-1)取后一行的类别值，自动对应「当前年份→下一年份」的先后关系，天然不会出现反向统计的情况
• 过滤掉没有下一年数据的行（每个id最大年份的行移位后为空值），再筛选出当前类别和下一年类别不同的记录，就是你要的有效转移
• 最后对转移的前后类别组合计数即可

import pandas as pd

# 第一步：按id+年份升序排序，保证时间顺序正确
df = df.sort_values(by=['id', 'year_group']).reset_index(drop=True)

# 第二步：分组取每个id下一年的类别，同时标注转移的年份区间
df['next_category'] = df.groupby('id')['category'].shift(-1)
df['transfer_range'] = df['year_group'].astype(str) + '→' + (df['year_group']+1).astype(str)

# 第三步：筛选有效转移：有下一年数据、类别发生变化、年份区间在要求范围内
valid_transfer = df[
    df['next_category'].notna()
    & (df['category'] != df['next_category'])
    & df['transfer_range'].isin(['1→2', '2→3'])
]

# 第四步：统计转移次数，如果不需要区分年份区间，去掉groupby里的transfer_range即可
transfer_count = valid_transfer.groupby(['transfer_range', 'category', 'next_category']).size().reset_index(name='count')

最终得到的transfer_count表会清晰展示每个年份区间下，不同类别转移的发生次数，你示例中的id=8300会被统计为1→2区间low→medium计数+1，完全符合需求。

内容的提问来源于stack exchange，提问作者Ze0ruso