Pandas按ID分组实现条件累计计数并保留首次Job Level变更前Time值

核心实现思路 #

• 先对数据按ID、Time升序排序，保证时序逻辑正确
• 给每个ID分组内的连续相同Job Level打区块标记，区分不同的职位等级段
• 区分第一个职位等级段和后续变更后的段：首段直接取Time值作为Counter，后续每个段内部从0开始递增计数

完整可运行代码 #

import pandas as pd
import numpy as np

# 构造样例数据（如果是读取自己的数据集替换这部分即可）
data = {
    'ID': [1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2],
    'Time': [17,18,19,20,21,22,23,24,10,11,12,13,14,15,16,17,18],
    'Job Level': ['a','a','a','a','a','b','b','b','a','a','a','a','b','b','b','c','c']
}
df = pd.DataFrame(data)

# 步骤1：按ID、Time排序，保证时序正确
df = df.sort_values(['ID', 'Time']).reset_index(drop=True)

# 步骤2：生成每个ID内的连续Job Level区块标记
df['level_block'] = df.groupby('ID')['Job Level'].transform(lambda x: (x != x.shift()).cumsum())

# 步骤3：生成Counter列
df['Counter'] = np.where(
    df['level_block'] == 1, # 首段直接取Time值
    df['Time'],
    # 非首段按ID+level_block分组，从0开始递增计数
    df.groupby(['ID', 'level_block']).cumcount()
)

# 可选：删除辅助计算列level_block
df = df.drop('level_block', axis=1)

# 输出结果
print(df)

原代码问题说明 #

1. 排序只按ID处理，没有按Time排序，时序不稳定可能导致结果错误
2. 只标记了Job Level变更的位置，没有对变更后的连续段做分组累计计数，只替换了变更行的值为0，没有实现后续行的递增逻辑
3. 代码中混用了多个不同的数据源和列名（promo_details、emp_id、time_in_level），和实际处理的df列名不匹配，会直接触发运行报错

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