提取DataFrame中列的连续值序列的最小与最大日期

要提取连续值序列的起止日期，核心是先给连续相同值的行打上同一分组标签，再基于分组计算起止日期，具体实现步骤如下：

1. 生成连续分组标识
   通过判断当前行var值是否与上一行不同，生成布尔序列后累加，得到每个连续序列的唯一分组ID：

import pandas as pd

# 构造原DataFrame
timeseries = pd.date_range("2018-01-01", periods=10, freq="m")
df = pd.DataFrame(data = ["a","a","b","a","a","c","c","c","a","a"], index = timeseries, columns = ['var'])

# 生成连续分组ID，区分被中断的相同值序列
df['group_id'] = df['var'].ne(df['var'].shift()).cumsum()

2. 计算每个分组的起止日期
   用transform方法对分组后的日期（即DataFrame的索引）计算最小/最大值，自动将结果映射回原DataFrame的每一行：

# 计算每个连续序列的最小、最大日期
df['min Date'] = df.groupby('group_id').transform(lambda x: x.index.min())
df['max Date'] = df.groupby('group_id').transform(lambda x: x.index.max())

3. 调整日期格式（可选，匹配示例输出）
   如果需要将日期转为m/d/Y格式，可通过dt.strftime处理：

# 转换日期格式并去除月份前的0
df['min Date'] = df['min Date'].dt.strftime('%m/%d/%Y').str.lstrip('0')
df['max Date'] = df['max Date'].dt.strftime('%m/%d/%Y').str.lstrip('0')

最终输出结果与示例一致：

var   min Date   max Date
2018-01-31  a   1/31/2018   2/28/2018
2018-02-28  a   1/31/2018   2/28/2018
2018-03-31  b   3/31/2018   3/31/2018
2018-04-30  a   4/30/2018   5/31/2018
2018-05-31  a   4/30/2018   5/31/2018
2018-06-30  c   6/30/2018   8/31/2018
2018-07-31  c   6/30/2018   8/31/2018
2018-08-31  c   6/30/2018   8/31/2018
2018-09-30  a   9/30/2018   10/31/2018
2018-10-31  a   9/30/2018   10/31/2018

关键说明 #

• 普通groupby('var')会将所有相同var值的行归为一组，而ne(df['var'].shift()).cumsum()生成的group_id，能区分被不同值中断的相同序列（比如第一次的a和第四次的a会被分到不同组）。
• transform方法的作用是将分组计算结果广播到原DataFrame的每一行，避免聚合后丢失原行信息。

内容的提问来源于stack exchange，提问作者Martin Yordanov Georgiev