如何按特殊条件合并两个DataFrame：筛选Class从A变B的客户

嘿，这个需求在用户行为分析或者数据追踪场景里挺常见的，用Pandas处理起来非常直观。我给你两种实用的解法，你可以根据自己的数据集大小和后续需求来选择：

首先，先构造示例数据 #

先把你给出的两个DataFrame用代码还原出来，方便后续测试：

import pandas as pd

# 第一个DataFrame（初始状态）
df_initial = pd.DataFrame({
    'customer_id': [1, 2, 3],
    'Class': ['A', 'A', 'B'],
    'value': [13, 14, 15]
})

# 第二个DataFrame（更新后状态）
df_updated = pd.DataFrame({
    'customer_id': [1, 2, 3, 4],
    'Class': ['A', 'B', 'B', 'A'],
    'value': [16, 17, 18, 20]
})

解法一：先缩小范围再筛选（高效优先） #

这种方法先从初始DataFrame里把Class为A的客户ID提取出来，再到更新后的DataFrame里找这些客户中Class变成B的记录，适合大数据集场景：

# 第一步：获取初始状态中Class为A的客户ID集合
a_customers = df_initial[df_initial['Class'] == 'A']['customer_id']

# 第二步：在更新后的DataFrame中筛选符合条件的记录
result = df_updated[(df_updated['customer_id'].isin(a_customers)) & (df_updated['Class'] == 'B')]

# 查看结果
print(result)

运行后输出就是你要的结果：

customer_id Class  value
1            2     B     17

解法二：合并后对比变化（直观优先） #

如果你需要清晰看到客户Class的前后变化，或者后续要分析其他类型的变化（比如B变A），可以先把两个DataFrame合并，再筛选目标条件：

# 合并两个DataFrame，保留初始Class和更新后的所有字段
merged_df = pd.merge(
    df_initial[['customer_id', 'Class']].rename(columns={'Class': 'old_Class'}),
    df_updated,
    on='customer_id',
    how='inner'  # 只保留两个DataFrame都存在的客户
)

# 筛选初始Class为A、更新后为B的记录，保留需要的列
result = merged_df[(merged_df['old_Class'] == 'A') & (merged_df['Class'] == 'B')][['customer_id', 'Class', 'value']]

# 查看结果
print(result)

这个方法的好处是能保留old_Class字段，方便你后续扩展分析其他变化类型，比如想找从B变A的客户也很容易。

内容的提问来源于stack exchange，提问作者Homesand