如何用Pandas对比组内数据并返回布尔值？组内日期匹配查询

Got it，这个需求咱们用Pandas的分组+自定义函数就能轻松搞定，我给你拆解一下步骤，保证清晰易懂：

1. 编写分组处理的自定义函数 #

我们需要给每个分组单独做判断：先拿到分组首行的end_date，再找组内begin_date等于这个值的第一行，返回它的type；如果没找到匹配项，就返回'non-existent'。

代码实现如下：

def get_matching_type(group):
    # 获取当前分组第一行的end_date作为目标日期
    target_date = group.iloc[0]['end_date']
    # 筛选出组内begin_date等于目标日期的行
    matched_rows = group[group['begin_date'] == target_date]
    # 返回结果：有匹配则取第一个行的type，无匹配返回指定字符串
    return matched_rows.iloc[0]['type'] if not matched_rows.empty else 'non-existent'

2. 分组应用函数得到结果 #

接下来对原DataFrame按ID分组，把上面的函数应用进去即可：

# 假设你的数据存储在变量df中
result_series = df.groupby('ID').apply(get_matching_type)

这时候result_series是一个Series，索引为ID，值就是每个ID分组对应的匹配结果。用你给出的示例数据测试的话，ID=1的结果就是Superhero，完全符合预期。

可选：将结果合并回原DataFrame #

如果想让原表的每一行都带上这个匹配结果，直接用map映射即可：

df['matched_type'] = df['ID'].map(result_series)

这样原DataFrame会新增一列matched_type，所有同ID的行都会显示对应的匹配结果。

内容的提问来源于stack exchange，提问作者CandleWax