pandas dataframe如何按ID统计截止当前时间符合指定条件的累计次数

前提：已提前确认DataFrame按CLIENT_ID、ENCOUNTER_DATE升序排序完成。

核心代码如下：

import pandas as pd

# 原有数据初始化代码
df = pd.DataFrame({"CLIENT_ID": [8222, 8222, 8222, 8222, 8300, 8300, 8300, 8300, 8300, 8400, 8401, 8401, 8500],
                   "ENCOUNTER_DATE": ['2020-01-01', '2020-03-02', '2020-04-18', '2020-07-31', '2017-06-10', '2017-09-11', '2018-02-01', '2018-04-01', '2018-05-31', '2020-12-31', '2017-08-29', '2017-09-15', '2018-10-10'],
                   "CONDITION": ["positive", "treated", "treated", "negative", "negative", "treated", "future treatment", "treated", "negative", "future treatment", "negative", "positive", "positive"]})
manage_condition_list = ['positive','treated','future treatment']

# 核心统计逻辑
df['CONDITION_COUNTS'] = df['CONDITION'].isin(manage_condition_list).groupby(df['CLIENT_ID']).cumsum()

逻辑说明 #

• df['CONDITION'].isin(manage_condition_list)会返回布尔值序列，符合统计条件的行对应True（数值等价于1），不符合的对应False（数值等价于0）
• 按CLIENT_ID分组后执行累加函数cumsum()，天然符合需求：符合条件则计数+1，不符合则计数与上一行一致，同时实现了不同客户的计数隔离
• 该逻辑为pandas向量化运算，生产环境下面对海量数据也能高效执行，不需要循环遍历行。

注意事项 #

如果后续需要重新排序数据，一定要先将ENCOUNTER_DATE转换为datetime类型再排序，避免字符串格式的日期排序出错，转换代码参考：

df['ENCOUNTER_DATE'] = pd.to_datetime(df['ENCOUNTER_DATE'])
df = df.sort_values(by=['CLIENT_ID', 'ENCOUNTER_DATE'], ignore_index=True)

内容的提问来源于stack exchange，提问作者Mazil_tov998