基于日期的Pandas DataFrame指定代码滚动填充及首次出现查询

我来帮你搞定这个需求，分两步处理：先基于日期填充特定ID的缺失代码（仅A、B可延续），再提取各ID对应代码的首次出现记录。咱们直接上代码和解释～

第一步：准备示例数据 #

首先把你的示例数据补全并格式化，确保日期是datetime类型（保证排序逻辑正确）：

import pandas as pd

# 补全示例数据，加入缺失的Code值
d = {
    'ID': [1, 2, 1, 2, 3, 1],
    'date': ['2017-03-22', '2017-03-21', '2017-03-23', '2017-03-24', '2017-03-28', '2017-03-25'],
    'Code': ['A', None, None, 'B', 'C', None]
}
df = pd.DataFrame(d)
# 将date列转为datetime类型，避免字符串排序的问题
df['date'] = pd.to_datetime(df['date'])

第二步：填充缺失的Code（仅A、B可延续） #

核心思路是按ID和日期排序后，仅当缺失值的前一条记录是A/B时才用前向填充，这样能避免非A/B的代码（比如示例中的C）被错误延续：

# 先按ID和日期排序，确保每个ID的记录是严格时间顺序
df_sorted = df.sort_values(['ID', 'date']).reset_index(drop=True)

# 自定义分组填充函数
def fill_valid_codes(group):
    # 标记符合填充条件的行：当前Code为空，且上一行Code是A或B
    fill_mask = group['Code'].isna() & group['Code'].shift(1).isin(['A', 'B'])
    # 对符合条件的行做前向填充，其他行保持原样
    group.loc[fill_mask, 'Code'] = group['Code'].ffill()
    return group

# 按ID分组应用填充逻辑
df_filled = df_sorted.groupby('ID', group_keys=False).apply(fill_valid_codes)

print("填充后的DataFrame：")
print(df_filled)

执行后你会看到：ID=1的后续缺失值被填充为A，ID=2的初始缺失值因为前无有效代码保持为空，ID=3的C后面没有缺失值，完全符合需求。

第三步：提取各ID对应代码的首次出现记录 #

这里分两种常见场景，你可以按需选择：

场景1：每个ID下，每个Code的首次出现记录 #

# 先过滤掉仍为空的Code，再按ID+Code分组取最早的日期
first_code_occurrences = df_filled.dropna(subset=['Code']).groupby(['ID', 'Code'])['date'].min().reset_index()
# 如果需要包含所有字段的完整记录，合并回原表即可
first_occurrences_full = df_filled.merge(first_code_occurrences, on=['ID', 'Code', 'date'])

print("\n各ID对应代码的首次出现完整记录：")
print(first_occurrences_full)

场景2：每个ID的第一条有效Code记录 #

如果你只需要每个ID第一次出现的有效Code记录，用这个更简洁：

id_first_valid_code = df_filled.dropna(subset=['Code']).groupby('ID').first().reset_index()

print("\n每个ID的首次有效Code记录：")
print(id_first_valid_code)

内容的提问来源于stack exchange，提问作者shbfy