You need to enable JavaScript to run this app. Pandas DataFrame如何按行匹配所属流程最近Begin状态日期
优惠活动
大模型
产品
解决方案
定价
更多

Pandas DataFrame如何按行匹配所属流程最近Begin状态日期

错误原因

原有代码出现值错配、NaT空值的核心原因是:Pandas 2.0+版本中,groupby.apply返回带双层层级索引的结果,赋值给原表列时无法完成正确的索引对齐,和流程断档的逻辑本身无关——你写的“遇到Begin就切分新流程周期”的逻辑是完全正确的。

修正实现

方法1:拆分分组步骤,彻底规避索引错位

import pandas as pd

# 按名称分组,为每个流程周期做标记:每遇到一次Begin,流程计数加1
df['flow_segment'] = df.groupby('name')['status'].transform(
    lambda s: (s == 'Begin').cumsum()
)
# 按名称+流程周期双维度分组,取每个周期的最早日期作为全周期的begin_at
df['begin_at'] = df.groupby(['name', 'flow_segment'])['date'].transform('first')
# 删除临时流程标记列
df = df.drop(columns='flow_segment')

这种写法每一步返回的都是和原表同索引的Series,不会出现值匹配错位的问题。

方法2:单行简洁写法

不需要单独生成临时标记列,直接组合分组条件:

df['begin_at'] = df.groupby(
    ['name', (df['status'].eq('Begin')).groupby(df['name']).cumsum()]
)['date'].transform('first')
运行结果

输出完全匹配流程关联逻辑:

date     name      status   begin_at
0  2020-10-01  name_01       Begin 2020-10-01
1  2020-10-02  name_02       Begin 2020-10-02
2  2020-10-03  name_01  Processing 2020-10-01
3  2020-10-05  name_02  Processing 2020-10-02
4  2020-10-06  name_03       Begin 2020-10-06
5  2020-10-07  name_01    Finished 2020-10-01
6  2020-10-08  name_02    Finished 2020-10-02
7  2020-10-09  name_03  Processing 2020-10-06
8  2020-10-10  name_03    Finished 2020-10-06
9  2020-10-11  name_01       Begin 2020-10-11
10 2020-10-12  name_01  Processing 2020-10-11
11 2020-10-13  name_02       Begin 2020-10-13
12 2020-10-14  name_02  Processing 2020-10-13
13 2020-10-15  name_02    Finished 2020-10-13
14 2020-10-16  name_01    Finished 2020-10-11

说明:你之前贴的期望输出中残留了旧版本测试的错值(比如name_02首次Processing记录的begin_at误写为2020-10-01),上述输出严格遵循“每个流程段关联其起始Begin日期”的规则,完全符合“同名称下取所属周期最新一次Begin日期”的核心需求。


内容的提问来源于stack exchange,提问作者Des

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.21 20:15:04