在Pandas的数据处理场景中，GroupBy分组聚合是高频操作，很多时候我们需要在聚合的同时根据组内数据的情况判断生成对应的状态值，比如统计每个用户的订单情况后标记用户是否为活跃用户，或者统计每个班级的成绩后标记班级的整体水平。
基础场景：使用聚合函数结合条件判断
最基础的场景是分组后直接对聚合结果做条件判断，比如我们有一个用户订单数据表，需要按用户分组，统计订单总数，然后判断订单数大于5的用户为活跃用户。
首先构造示例数据：
import pandas as pd
# 构造示例数据
data = {
'user_id': [1, 1, 1, 2, 2, 3, 3, 3, 3],
'order_id': [101, 102, 103, 201, 202, 301, 302, 303, 304],
'order_amount': [100, 200, 150, 300, 250, 120, 180, 90, 210]
}
df = pd.DataFrame(data)
print(df)
接下来按user_id分组，统计每个用户的订单数量，然后根据数量判断状态：
# 分组统计订单数
order_count = df.groupby('user_id').size().reset_index(name='order_count')
# 根据订单数判断状态
order_count['user_status'] = order_count['order_count'].apply(lambda x: '活跃用户' if x > 5 else '普通用户')
print(order_count)
进阶场景：聚合过程中直接判断状态
如果需要在聚合的同时直接完成状态判断，不需要先生成中间聚合结果，可以使用agg方法结合自定义逻辑，或者使用assign方法简化流程。
比如我们需要按用户分组，同时统计订单总金额，并且判断总金额大于500的用户为高价值用户：
# 分组聚合同时判断状态
result = df.groupby('user_id').agg(
total_amount=('order_amount', 'sum')
).reset_index()
# 添加状态列
result['value_status'] = result['total_amount'].apply(lambda x: '高价值用户' if x > 500 else '普通价值用户')
print(result)
复杂场景：根据组内多条件判断状态
当判断状态的条件涉及组内的多个字段或者复杂逻辑时，可以自定义聚合函数，在函数中实现条件判断逻辑。
比如我们需要按用户分组，统计订单的平均金额，同时判断：如果平均金额大于200且订单数大于3，标记为优质用户；如果平均金额大于150且订单数大于2，标记为潜力用户；否则标记为普通用户。
# 自定义聚合函数
def judge_user_status(group):
order_count = len(group)
avg_amount = group['order_amount'].mean()
if avg_amount > 200 and order_count > 3:
return '优质用户'
elif avg_amount > 150 and order_count > 2:
return '潜力用户'
else:
return '普通用户'
# 应用自定义聚合函数
user_status = df.groupby('user_id').apply(judge_user_status).reset_index(name='user_status')
print(user_status)
注意事项
- 使用
apply自定义聚合函数时，函数的输入是分组后的子DataFrame，需要注意函数返回的是单个值，否则会导致结果不符合预期。 - 条件判断中如果涉及比较操作，注意数值类型的匹配，避免出现类型错误。
- 如果分组后需要保留原数据的其他字段，需要提前规划好聚合逻辑，避免数据丢失。
通过上述几种方法，可以满足不同复杂度的GroupBy聚合时根据条件判断状态值的需求，实际使用时可以根据具体场景选择最合适的方式。