如何使用Pandas高效实现Vintage静态池账龄分析

使用Pandas内置的pivot_table方法即可一步生成你需要的标准Vintage分析表，无需手动创建空表逐组赋值，代码如下：

# 筛选掉Default Month为0的记录后生成透视表，与你给出的目标输出规则匹配
vintage_table = default[default['Default Month'] > 0].pivot_table(
    index = 'Origination',
    columns = 'Default Month',
    values = 'Default Amount',
    aggfunc = 'sum',
    fill_value = 0
).reset_index().rename(columns = {'Origination': 'Default'})

参数说明：

• index：指定行索引为放款季度字段Origination
• columns：指定列名为账龄月份字段Default Month
• values：指定要聚合计算的违约金额字段Default Amount
• aggfunc='sum'：指定聚合规则为求和，匹配分组汇总的需求
• fill_value=0：直接将无匹配分组的空值填充为0，无需后续单独处理

你也可以使用分组后拆堆的写法实现相同效果：

vintage_table = default[default['Default Month'] > 0]\
    .groupby(['Origination', 'Default Month'])['Default Amount']\
    .sum()\
    .unstack(fill_value=0)\
    .reset_index()\
    .rename(columns={'Origination': 'Default'})

如果需要保留Default Month为0的列，删除代码中的default['Default Month'] > 0筛选条件即可。

内容的提问来源于stack exchange，提问作者Benloper