如何在Pandas中为同赛事分组行应用date_range()更新日期？

核心思路 #

• 先将日期列转为标准日期格式，同时给轮次定义明确的排序优先级
• 按['date', 'name']分组，每组内按轮次排序后生成连续日期
• 利用date_range()根据每组初始日期生成对应天数的日期序列

具体代码步骤 #

1. 数据读取与预处理 #

先读取CSV并做基础格式转换，确保轮次排序逻辑正确：

import pandas as pd

# 读取赛事CSV数据
df = pd.read_csv('wta_events.csv')

# 将原date列转为日期类型，避免字符串处理问题
df['date'] = pd.to_datetime(df['date'])

# 定义轮次的先后顺序（从最早轮到决赛）
round_order = ['R64', 'R32', 'R16', 'QF', 'SF', 'F']
# 把round列设为分类类型，保证后续排序严格按轮次顺序来
df['round'] = pd.Categorical(df['round'], categories=round_order, ordered=True)

2. 分组生成递增日期 #

编写分组处理函数，给每个赛事组的轮次匹配连续日期：

def adjust_round_dates(group):
    # 按轮次顺序排序分组内的数据
    sorted_group = group.sort_values('round')
    # 获取该赛事的初始日期（即原date列的值）
    start_date = sorted_group['date'].iloc[0]
    # 生成和轮次数量一致的连续日期，每天递增1天
    sorted_group['adjusted_date'] = pd.date_range(start=start_date, periods=len(sorted_group), freq='D')
    return sorted_group

# 应用分组逻辑，group_keys=False避免额外添加分组键列
df_adjusted = df.groupby(['date', 'name'], group_keys=False).apply(adjust_round_dates)

3. date_range()用法解析 #

这个函数是生成连续日期序列的核心，关键参数说明：

• start：序列的起始日期，这里取每组的初始赛事日期
• periods：要生成的日期数量，等于该赛事组内的轮次总数（每个轮次对应一天）
• freq='D'：日期递增的频率，D代表按天递增，符合需求

结果验证 #

可以打印部分数据确认效果：

print(df_adjusted[['name', 'round', 'date', 'adjusted_date']].head(10))

输出会看到同赛事下，R64对应原日期，R32对应原日期+1天，直到F轮对应原日期+5天（6个轮次的情况下）。

内容的提问来源于stack exchange，提问作者vmorph