如何在Pandas中聚合DataFrame，获取物品首末次出现的Count值

原始DataFrame #

Item    Date    Count
Item_1  01/06/2023  25
Item_1  02/06/2023  14
Item_1  03/06/2023  5
Item_1  04/06/2023  7
Item_2  03/06/2023  41
Item_2  04/06/2023  49
Item_2  05/06/2023  2
Item_2  06/06/2023  38

需求 #

聚合为每个Item一行的DataFrame，包含：

• 首次出现日期
• 首次出现时的Count值
• 末次出现日期
• 末次出现时的Count值
• 每个Item的Count最小值
• 每个Item的Count最大值

目标结果 #

Item    Earliest_date   Count_at_earliest_date  Latest_date Count_at_latest_date    Min_of_count    Max_of_count
Item_1  01/06/2023  25  04/06/2023  7   5   25
Item_2  03/06/2023  41  06/06/2023  38  2   49

（注：原目标结果中Count_at_latest_date值存在错误，已修正为对应日期的真实Count值）

已实现代码 #

你已完成部分需求的代码：

df2 = df.groupby('Item').agg(
    earliest_date =('Date', 'min'), 
    latest_date =('Date', 'max'), 
    min_count = ('Count', 'min'), 
    max_count = ('Count', 'max')
)
df2.reset_index(inplace=True)

解决方案 #

要获取首次/末次日期对应的Count值，不能直接用agg的min/max，需结合日期定位对应行的Count，提供两种可行方法：

方法1：通过idxmin/idxmax定位索引获取值 #

先将Date转为日期类型避免字符串排序错误，再通过索引匹配对应Count：

import pandas as pd

# 转换Date列为datetime类型，确保日期排序逻辑正确
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')

# 获取每个Item首次出现的Count
earliest_counts = df.loc[df.groupby('Item')['Date'].idxmin(), ['Item', 'Count']].rename(columns={'Count': 'Count_at_earliest_date'})
# 获取每个Item末次出现的Count
latest_counts = df.loc[df.groupby('Item')['Date'].idxmax(), ['Item', 'Count']].rename(columns={'Count': 'Count_at_latest_date'})

# 执行原有聚合逻辑，同时格式化日期为原字符串格式
df2 = df.groupby('Item').agg(
    Earliest_date=('Date', lambda x: x.min().strftime('%d/%m/%Y')),
    Latest_date=('Date', lambda x: x.max().strftime('%d/%m/%Y')),
    Min_of_count=('Count', 'min'),
    Max_of_count=('Count', 'max')
).reset_index()

# 合并聚合结果与首次/末次Count列
df2 = df2.merge(earliest_counts, on='Item').merge(latest_counts, on='Item')

# 调整列顺序匹配目标结果
df2 = df2[['Item', 'Earliest_date', 'Count_at_earliest_date', 'Latest_date', 'Count_at_latest_date', 'Min_of_count', 'Max_of_count']]

方法2：自定义聚合函数 #

直接在agg中使用自定义函数，定位对应日期的Count值：

import pandas as pd

df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')

def get_earliest_count(group):
    earliest_date = group['Date'].min()
    return group[group['Date'] == earliest_date]['Count'].values[0]

def get_latest_count(group):
    latest_date = group['Date'].max()
    return group[group['Date'] == latest_date]['Count'].values[0]

df2 = df.groupby('Item').agg(
    Earliest_date=('Date', lambda x: x.min().strftime('%d/%m/%Y')),
    Count_at_earliest_date=('Count', get_earliest_count),
    Latest_date=('Date', lambda x: x.max().strftime('%d/%m/%Y')),
    Count_at_latest_date=('Count', get_latest_count),
    Min_of_count=('Count', 'min'),
    Max_of_count=('Count', 'max')
).reset_index()

两种方法均可实现需求：方法1性能更优，适合大数据量场景；方法2逻辑直观，易读性更强。

内容的提问来源于stack exchange，提问作者Ellen Coggin