如何按Project Id计算Technical Analysis与Approval的结束日期间隔天数？

核心问题分析 #

你之前的代码返回相同天数，本质是没有按Project Id分组计算，而是全局取了两个任务的日期差，导致所有项目共用同一个结果。要解决这个问题，核心是按项目分组后，分别提取目标任务的日期再计算差值。

具体实现步骤（基于Pandas） #

1. 先确保日期列是datetime类型

如果End Date还不是日期格式，先转换：

import pandas as pd

# 转换日期列格式
df['End Date'] = pd.to_datetime(df['End Date'])

2. 方法一：用透视表（Pivot Table）计算

先把每个项目的两个任务日期转成单独列，再计算差值，最后合并回原数据集：

# 生成透视表，每个Project Id对应两个任务的End Date
pivot_df = df.pivot_table(
    index='Project Id',
    columns='Task Name',
    values='End Date',
    aggfunc='first'  # 若同一项目同一任务有多条记录，可换成min/max取最早/最晚日期
).reset_index()

# 计算两个任务的天数差
pivot_df['Days Between'] = (pivot_df['Approval'] - pivot_df['Technical Analysis']).dt.days

# 合并回原数据集，给所有行添加对应项目的天数差
df = df.merge(pivot_df[['Project Id', 'Days Between']], on='Project Id', how='left')

3. 方法二：分组后自定义函数计算

直接按Project Id分组，在每个组内提取目标任务日期并计算：

def calc_task_interval(group):
    # 提取当前组内两个任务的日期
    tech_date = group.loc[group['Task Name'] == 'Technical Analysis', 'End Date'].iloc[0]
    approval_date = group.loc[group['Task Name'] == 'Approval', 'End Date'].iloc[0]
    # 返回天数差
    return (approval_date - tech_date).days

# 分组计算后，将结果映射到原数据集的新列
df['Days Between'] = df.groupby('Project Id').apply(calc_task_interval).reset_index(drop=True)

关键注意事项 #

• 确保每个Project Id下存在且唯一对应Technical Analysis和Approval任务记录，若有重复，需调整aggfunc（比如用min取最早完成日期）
• 无论Task Name列有多少其他任务，上述方法只会提取指定的两个任务进行计算，不受其他任务干扰

内容的提问来源于stack exchange，提问作者Beatriz