Python Pandas按ID汇总历史行及特定条件统计需求

嘿，作为刚接触Pandas的新手，碰到这种需要追溯历史行的统计需求确实有点绕，我来给你拆解一下怎么实现这两个需求！

首先先把你的数据集代码放出来，方便我们后续操作：

import pandas as pd

df = pd.DataFrame({
    'ID': [1,1,1,1,2,2,2,2],
    'reason': ['B','A','B','A','A','A','B','A'],
    'result': ['W','W','Z','X','X','W','Z','W']
})

你的原始数据长这样：

需求一：按相同ID汇总当前行之前的历史行的reason数据 #

我们可以通过**分组（groupby）+ 移位（shift）+ 累积扩展（expanding）**的组合来实现这个需求。核心思路是：对每个ID分组后，把当前行的位置往后移一位（这样就能拿到当前行之前的所有数据），再逐行累积生成历史reason的列表。

代码实现如下：

# 按ID分组，对每个组的reason列生成历史累积列表
df['prev_reasons'] = df.groupby('ID')['reason'].apply(
    lambda group: group.shift().expanding().apply(list, raw=False)
).reset_index(drop=True)

# 把空值替换成空列表，看起来更整洁
df['prev_reasons'] = df['prev_reasons'].fillna('[]').apply(eval)

这一步做完后，prev_reasons列就会显示当前行之前同ID的所有reason数据啦。

需求二：汇总当前行之前reason为A的历史行的result数据 #

这个需求多了一个过滤条件（只看reason为A的行），我们可以先生成一个临时列，只保留reason为A时的result值，其他情况设为NaN，再用类似需求一的方法来累积过滤后的结果：

# 先创建临时列：仅reason为A时保留result，否则为NaN
df['temp_A_result'] = df.apply(lambda row: row['result'] if row['reason'] == 'A' else pd.NA, axis=1)

# 按ID分组，累积之前reason为A的result（自动忽略NaN）
df['prev_A_results'] = df.groupby('ID')['temp_A_result'].apply(
    lambda group: group.shift().expanding().apply(lambda x: list(x.dropna()), raw=False)
).reset_index(drop=True)

# 清理临时列，把空值换成空列表
df = df.drop('temp_A_result', axis=1)
df['prev_A_results'] = df['prev_A_results'].fillna('[]').apply(eval)

最终输出结果 #

运行完上面的代码后，你的DataFrame会变成这样：

这样就完美满足你的两个统计需求啦！如果有其他疑问随时问~

内容的提问来源于stack exchange，提问作者Lily