Pandas列值拼接生成新字段时如何排除满足指定条件的记录

你原有代码存在两个待优化点：

• 未实现分组内排除Cond=True记录的逻辑
• 拼接后缀时取的是当前行的Code，而非分组内最新记录的Code，也没有保证同ID所有行的Sequence值完全一致

可直接运行的修改后代码 #

import pandas as pd

def gen_sequence(group):
    # 过滤分组内Cond为True的无效记录
    valid = group[~group['Cond']]
    # 对有效年份升序排序后拼接（与你示例输出的年份顺序匹配）
    year_str = 'x'.join(sorted(valid['Year'].astype(str)))
    # 取分组内Year最大的最新记录对应的Code
    latest_code = valid.loc[valid['Year'].idxmax(), 'Code']
    # 同分组所有行返回相同的Sequence值
    return pd.Series([f"{year_str}_{latest_code}"] * len(group), index=group.index)

df['Sequence'] = df.groupby('ID', group_keys=False).apply(gen_sequence)

逻辑说明 #

1. 按ID分组后对每个分组独立处理
2. 先过滤掉分组内Cond为True的记录，只保留有效行用于计算
3. 对有效行的Year字段排序后用x拼接成年份部分
4. 取有效行中Year最大值对应的Code作为后缀，用下划线拼接在年份部分后
5. 给分组内所有行返回相同的计算结果，保证同ID的Sequence完全一致

如果你需要年份按降序拼接，把sorted改成sorted(..., reverse=True)即可。

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