Pandas按CustomerID分组后根据churned值选最后或倒数第二行

报错原因 #

x['churned']返回的是当前分组下所有行的churned值组成的Series对象，无法直接和整数做布尔比较，因此触发了歧义错误。由于同一客户的churned取值完全一致，只需提取分组内任意一个churned标量值即可做判断。

正确实现 #

方法1：修正原lambda写法 #

对原有代码的判断逻辑做小幅调整即可运行：

df = df.groupby(['CustomerID'], as_index=False).apply(
    lambda x: x.iloc[-2] if x['churned'].iloc[0] == 1 else x.iloc[-1]
).reset_index(drop=True)

此处通过.iloc[0]提取分组内第一个churned值作为判断依据，末尾的reset_index(drop=True)用于清理多余生成的索引列。

方法2：向量化高性能写法（适配大数据量） #

groupby+apply在数据量较大时运行效率偏低，可通过分组编号+条件筛选的方式实现，性能提升明显：

# 对每个客户分组内的行倒序编号：最后一行编号为0，倒数第二行编号为1
df['row_rank'] = df.groupby('CustomerID').cumcount(ascending=False)
# 按规则筛选目标行
df = df[
    ((df['churned'] == 0) & (df['row_rank'] == 0)) |
    ((df['churned'] == 1) & (df['row_rank'] == 1))
]
# 删除辅助列并重置索引
df = df.drop('row_rank', axis=1).reset_index(drop=True)

边界注意事项 #

如果存在churned取值为1、但该客户仅对应1条观测记录的场景，直接取iloc[-2]会触发索引越界错误，可根据业务需求调整判断逻辑，比如修改为：

lambda x: x.iloc[-2] if x['churned'].iloc[0] == 1 and len(x)>=2 else x.iloc[-1]

内容的提问来源于stack exchange，提问作者Preben