Pandas DataFrame按ID和ABCD_ID条件修改STATUS列值的优化方案

完全不需要手动逐行遍历，使用pandas内置的分组转换函数即可高效完成处理，且完全匹配预期输出效果。核心实现逻辑：

• 以ID为大分组边界，切换到新ID时组号自动从1开始重新计数
• 同一ID内部，每遇到一个新的ABCD_ID，组号依次递增1
• 给同组所有行的STATUS列拼接统一的DOC_前缀

实现代码 #

# 按ID分组，组内对ABCD_ID做唯一值编码，生成从1开始的连续组号
df['group_no'] = df.groupby('ID')['ABCD_ID'].transform(lambda s: s.factorize()[0] + 1)
# 拼接STATUS列的前缀
df['STATUS'] = 'DOC_' + df['group_no'].astype(str) + '_' + df['STATUS']
# 清理临时生成的组号列
df = df.drop(columns='group_no')

原循环逻辑的问题说明 #

• 全局维护的计数器变量a没有在ID切换时正确重置，也没有在同ID下遇到新ABCD_ID的场景正确递增，导致同ID下第二个ABCD_ID的行被错误绑定上一组的编号
• 循环赋值时重复对已经拼接过前缀的行做二次拼接，最终出现DOC_1_DOC_2_APPROVAL_A这类重复前缀的错误
• 逐行遍历的性能在十万行以上的大表场景下，会比向量化分组操作慢几个数量级

运行后输出效果 #

和预期结果完全一致：

ID  ABCD_ID                 STATUS
0  83590   IX1655        DOC_1_APPROVAL_A
1  83590   IX1655  DOC_1_FINAL-APPROVAL_A
2  82042   IX1656        DOC_1_APPROVAL_A
3  82042   IX1656    DOC_1_FINAL-APPROVAL
4  77848   IX1666        DOC_1_APPROVAL_M
5  77848   IX1666  DOC_1_FINAL-APPROVAL_A
6  77848   IX1667        DOC_2_APPROVAL_A
7  77848   IX1667  DOC_2_FINAL-APPROVAL_A

内容的提问来源于stack exchange，提问作者Firuz