Pandas分组对比：检测DataFrame日期间名称组合变化

步骤1：提取每个日期的名称组合 #

首先按日期分组，把每个日期对应的Name列转成不可变集合（frozenset）——我们要比较的是日期对应的名称组合（不关心顺序），而且普通集合不可哈希，没法做后续的比较操作，frozenset刚好能解决这个问题：

# 按Date分组，生成每个日期的名称集合
date_groups = df.groupby('Date')['Name'].apply(lambda x: frozenset(x)).reset_index(name='NameSet')

步骤2：对比相邻日期的组合差异 #

把分组后的日期按降序排序（和示例数据的顺序对齐），然后用shift()拿到上一个日期的名称集合，通过ne()判断当前日期的组合和上一个是否不同：

• 不同或为首个日期（第一行）就标1
• 相同就标0

# 按日期降序排序，保证相邻对比的是前一个日期
date_groups = date_groups.sort_values('Date', ascending=False).reset_index(drop=True)

# 生成Check标记：和上一行组合不同则为1，相同为0
date_groups['Check'] = date_groups['NameSet'].ne(date_groups['NameSet'].shift()).astype(int)

步骤3：把标记映射回原DataFrame #

最后通过merge把每个日期对应的Check值批量赋给原表的所有行，确保同一日期的所有行标记一致：

# 合并回原DataFrame
df = df.merge(date_groups[['Date', 'Check']], on='Date', how='left')

完整可运行代码 #

import pandas as pd

# 创建示例数据
data = {
    'Date': ['2023-10-03', '2023-10-03', '2023-10-02', '2023-10-02', '2023-10-01', '2023-10-01'],
    'Name': ['A', 'B', 'A', 'B', 'A', 'C']
}
df = pd.DataFrame(data)

# 提取每个日期的名称组合
date_groups = df.groupby('Date')['Name'].apply(lambda x: frozenset(x)).reset_index(name='NameSet')

# 排序并生成Check标记
date_groups = date_groups.sort_values('Date', ascending=False).reset_index(drop=True)
date_groups['Check'] = date_groups['NameSet'].ne(date_groups['NameSet'].shift()).astype(int)

# 合并回原表
df = df.merge(date_groups[['Date', 'Check']], on='Date', how='left')

print(df)

运行后输出和期望完全一致：

Date Name  Check
0  2023-10-03    A      0
1  2023-10-03    B      0
2  2023-10-02    A      1
3  2023-10-02    B      1
4  2023-10-01    A      1
5  2023-10-01    C      1

补充说明 #

• 如果你的原始数据日期是升序排列，只需要把sort_values里的ascending=False改成ascending=True即可，逻辑完全通用。
• 用frozenset是核心细节：普通set不可哈希，无法在shift()后的比较中使用，frozenset作为不可变集合，支持哈希操作，完美适配需求。

内容的提问来源于stack exchange，提问作者jan