如何在Pandas中为每个分组添加职位变更标志列

嗨，这个需求我之前处理过不少次，用Pandas的分组移位对比就能轻松实现，直接上可运行的完整代码：

import pandas as pd

# 创建原始DataFrame
df = pd.DataFrame({
    "id": [1, 1, 1, 2, 2, 2, 3, 3, 3],
    "company": ["A", "A", "B", "C", "C", "C", "D", "E", "F"]
}, columns=["id", "company"])

# 生成职位变更标志列
df['job_change'] = (df['company'] != df.groupby('id')['company'].shift()).fillna(0).astype(int)

# 输出结果
print(df)

运行后会得到你想要的结果：

id company  job_change
0   1      A           0
1   1      A           0
2   1      B           1
3   2      C           0
4   2      C           0
5   2      C           0
6   3      D           0
7   3      E           1
8   3      F           1

代码分步解释 #

我拆解开每一步帮你理解：

• 分组移位：df.groupby('id')['company'].shift() 会按id分组后，把每个组内的company列向下偏移一行。比如id=1的组，移位后第一行是NaN（没有上一行数据），第二行是A，第三行是A。
• 对比判断：df['company'] != 移位结果 会逐行比较当前公司和上一行是否不同，得到布尔值（True表示变更，False表示未变更），第一行因为移位后是NaN，结果会是NaN。
• 填充缺失值：.fillna(0) 把每个组第一行的NaN替换为0（毕竟第一个记录没有上一个职位，自然不算变更）。
• 类型转换：.astype(int) 把布尔值转换成整数（True→1，False→0），符合你需要的标志格式。

为什么不用diff()？ #

你提到Stack Overflow上关于groupby结合diff的讲解少，其实是因为diff()主要针对数值类型计算差值，对于字符串这类非数值类型并不适用——强行用的话会报错，所以移位对比才是更通用的解决方案。

内容的提问来源于stack exchange，提问作者Keiku