pandas按多条件分组创建新列，基于日期差和new_id生成ns计数列

前置处理 #

首先保证两个前提：

• 把Date列转换为pandas datetime格式，方便计算日期差
• 按myid、Date升序排序，确保同一用户的行按时间顺序排列

实现逻辑 #

核心思路是把两个需要ns加1的触发条件拆解为布尔列，累加后加初始值1即可，无需创建多个冗余中间列：

1. 条件1：同一myid分组内，当前行与前一行日期差大于30天
2. 条件2：同一myid分组内，前一行的new_id不为空（对应规则中当前行new_id非空则下一行加1的要求）
   两个条件满足任意一个就触发加1，累加后加上初始值1就是最终的ns值。

代码实现 #

import pandas as pd
import numpy as np

# 日期格式转换
df['Date'] = pd.to_datetime(df['Date'], format='%d-%b-%Y')
# 按用户和日期排序，保证时间顺序正确
df = df.sort_values(['myid', 'Date']).reset_index(drop=True)

def calc_ns(group):
    # 日期差超过30天的标记
    cond1 = group['Date'].diff().dt.days > 30
    # 前一行new_id非空的标记
    cond2 = group['new_id'].shift().notna()
    # 累加触发计数+初始值1
    group['ns'] = (cond1 | cond2).cumsum() + 1
    return group

# 按myid分组应用计算逻辑
df = df.groupby('myid', group_keys=False).apply(calc_ns)

结果说明 #

运行后输出结果和需求的期望逻辑完全匹配，排序步骤会自动修正原始数据中可能存在的日期顺序错误问题，避免日期差计算出错。

内容的提问来源于stack exchange，提问作者Ash