本文介绍如何使用 pandas 高效识别并标记每个分组中首次出现指定字符（如 `'y'`）所在行的对应日期，适用于客户行为分析、事件首触点追踪等场景。
在数据分析中，常需定位每个用户（或类别）首次满足某条件的记录，例如：每位客户第一次回复“Y”的日期。Pandas 提供了简洁而强大的向量化方法，无需循环或 apply，即可高效实现该目标。
核心思路分为三步：
- 构造布尔条件：筛选出 Y/N 列值为 'Y' 的行；
- 分组内累计计数：对每组 CUS_NAME，在满足 'Y' 的行上进行 cumsum()，得到每个 'Y' 在其组内的序号（1 表示首次，2 表示第二次……）；
- 精准标记首行：仅当同时满足“是 'Y'”且“是该组第 1 个 'Y'”时，才填充 BAS_DT，否则设为 NaN。
以下是完整实现代码：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'BAS_DT': ['2023-01-02', '2023-01-03', '2023-01-04', '2023-01-02', '2023-01-03'],
'CUS_NAME': ['A', 'A', 'A', 'B', 'B'],
'Y/N': ['Y', 'Y', 'Y', 'N', 'Y'],
'cum_count': [1, 2, 3, 1, 2]
})
# 步骤 1：标识所有 'Y' 行
cond = df['Y/N'].eq('Y')
# 步骤 2：按 CUS_NAME 分组，对 cond 进行 cumsum → 得到每组内 'Y' 的累计序号
cond1 = cond.groupby(df['CUS_NAME']).cumsum().eq(1) # 仅保留每组第一个 'Y'
# 步骤 3：用 where() 实现条件赋值 —— 满足 cond & cond1 时取 BAS_DT，否则 NaN
df['occur_date'] = df['BAS_DT'].where(cond & cond1)
print(df)✅ 输出结果与预期完全一致：
BAS_DT CUS_NAME Y/N cum_count occur_date 0 2023-01-02 A Y 1 2023-01-02 1 2023-01-03 A Y 2 NaN 2 2023-01-04 A Y 3 NaN 3 2023-01-02 B N 1 NaN 4 2023-01-03 B Y 2 2023-01-03
? 注意事项与扩展提示：
- where() 是安全的向量化赋值方式，比 np.where() 更直观，且天然支持 NaN 填充；
- 若需获取全局首个 'Y'（不按组），可直接使用 df.loc[df['Y/N'].eq('Y').idxmax(), 'BAS_DT']；
- 若数据中存在缺失值（NaN）于 Y/N 列，建议先用 dropna(subset=['Y/N']) 或显式处理，避免 eq('Y') 返回 False 导致误判；
- 该方法时间复杂度为 O(n)，远优于 groupby().apply(lambda x: x[x['Y/N']=='Y'].iloc[0]) 等低效方案。
掌握这一模式后，你可轻松迁移至其他场景：如标记每个产品的首次销售日、每位员工的首次打卡时间、每笔订单的首次支付成功时刻等——只需替换列名与条件即可复用。
