在Pandas中按Type分组，基于Start_Date生成Closed_Date列

原始数据 #

import pandas as pd

df = pd.DataFrame({
    'Ref_number': [1,2,3,4,5,6,7,8],
    'Type': ['A','A','A','B','B','A','B','A'],
    'Start_Date': ['02/04/2020','03/04/2020','04/04/2020','03/04/2020','24/04/2020','10/08/2022','10/08/2021','11/09/2022']
})

需求说明 #

• 按Type字段分组处理
• 每条数据的Closed_Date为同Type中，比当前Start_Date大且年月不同的最小Start_Date
• 若同Type中无符合条件的日期，则Closed_Date设为上月最后一天

解决方案代码 #

# 转换日期列为datetime类型（适配日/月/年格式）
df['Start_Date'] = pd.to_datetime(df['Start_Date'], dayfirst=True)

# 定义获取上月最后一天的工具函数
def get_last_day_prev_month(date):
    first_day_current = date.replace(day=1)
    return first_day_current - pd.Timedelta(days=1)

# 分组处理逻辑
def process_type_group(group):
    # 提取组内唯一日期并排序，减少重复计算
    sorted_unique_dates = sorted(group['Start_Date'].unique())
    
    # 为每条数据匹配Closed_Date
    def match_closed_date(row_date):
        # 筛选符合条件的候选日期：更大且年月不同
        valid_candidates = [d for d in sorted_unique_dates 
                           if d > row_date and (d.year != row_date.year or d.month != row_date.month)]
        if valid_candidates:
            return min(valid_candidates)
        else:
            return get_last_day_prev_month(row_date)
    
    group['Closed_Date'] = group['Start_Date'].apply(match_closed_date)
    return group

# 应用分组处理并重置索引
df = df.groupby('Type').apply(process_type_group).reset_index(drop=True)

# 转换回原日期字符串格式（日/月/年）
df['Start_Date'] = df['Start_Date'].dt.strftime('%d/%m/%Y')
df['Closed_Date'] = df['Closed_Date'].dt.strftime('%d/%m/%Y')

print(df)

执行结果 #

Ref_number Type Start_Date Closed_Date
0           1    A  02/04/2020  10/08/2022
1           2    A  03/04/2020  10/08/2022
2           3    A  04/04/2020  10/08/2022
3           4    B  03/04/2020  10/08/2021
4           5    B  24/04/2020  10/08/2021
5           6    A  10/08/2022  11/09/2022
6           7    B  10/08/2021  31/07/2021
7           8    A  11/09/2022  31/08/2022

关键步骤说明 #

1. 日期类型转换：将字符串日期转为datetime，确保日期比较的准确性，避免字符串排序的错误。
2. 上月最后一天计算：通过“当月第一天减一天”的方式，无需手动处理不同月份的天数差异，逻辑更通用。
3. 分组优化：先提取组内唯一日期并排序，避免对每条数据重复遍历所有日期，提升效率。
4. 候选日期筛选：明确区分“日期更大”且“年月不同”两个条件，确保符合需求规则。

内容的提问来源于stack exchange，提问作者sam_rox