如何用Pandas筛选DataFrame中日期间隔阈值前的目标行？

要实现这个需求，核心是基于同一id分组内的相邻日期差做行级判断，而不是用聚合函数。聚合函数（max/min/first等）是对分组整体做统计，无法处理这种相邻行的序列逻辑。以下是具体实现步骤：

1. 预处理：确保日期列是datetime类型 #

首先要把date列转换为Pandas的datetime格式，否则无法正确计算日期差：

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

2. 按id分组并排序 #

对DataFrame按id分组，再按date升序排序，保证同一id下的行是按时间顺序排列的：

df = df.sort_values(['id', 'date']).reset_index(drop=True)

3. 标记相邻日期差≥1年的位置 #

通过groupby+diff()计算同一id内相邻行的日期差，然后判断差值是否≥1年（用pd.DateOffset(years=1)比固定365天更准确，能自动处理闰年）：

# 生成布尔列，标记当前行与前一行的日期差≥1年
df['is_year_diff'] = df.groupby('id')['date'].diff() >= pd.DateOffset(years=1)

4. 提取间隔前的目标行 #

找到所有标记为True的行（即与前一行差≥1年的行），它们的前一行就是我们需要保留的行：

# 获取目标行的索引：标记行的索引减1
keep_indices = df[df['is_year_diff']].index - 1
# 提取结果并移除辅助列
result = df.loc[keep_indices].drop(columns='is_year_diff')

完整示例 #

用测试数据验证效果：

# 构造测试DataFrame
data = {
    'id': [1,1,1,2,2,2],
    'code': ['A','A','A','B','B','B'],
    'date': ['2018-01-01', '2019-02-01', '2021-03-01', '2020-05-01', '2020-06-01', '2022-07-01']
}
df = pd.DataFrame(data)

# 执行上述步骤
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(['id', 'date']).reset_index(drop=True)
df['is_year_diff'] = df.groupby('id')['date'].diff() >= pd.DateOffset(years=1)
keep_indices = df[df['is_year_diff']].index - 1
result = df.loc[keep_indices].drop(columns='is_year_diff')

print(result)

输出结果：

id code       date
1   1    A 2019-02-01
4   2    B 2020-06-01

这个结果符合需求：同一id下，2019-02-01与2021-03-01差≥1年，保留前者；2020-06-01与2022-07-01差≥1年，保留前者。

内容的提问来源于stack exchange，提问作者Sukrut Shishupal