如何在Pandas中拆分重叠日期范围并聚合关联企业？

步骤1：数据预处理 #

首先将字符串格式的日期转换为datetime类型，否则无法进行日期比较和区间判断：

import pandas as pd

# 示例数据
df = pd.DataFrame(data={
    'Company':['A','B','C','D','E','F','G'],
    'StartDate':['2023-04-01','2023-04-01','2023-04-01','2023-04-01','2023-04-08','2023-04-15','2023-04-20'],
    'EndDate':['2023-04-14','2023-05-09','2023-05-09','2023-05-09','2023-04-30','2023-05-18','2023-04-30']
})

# 转换日期列为datetime类型
df['StartDate'] = pd.to_datetime(df['StartDate'])
df['EndDate'] = pd.to_datetime(df['EndDate'])

步骤2：合并重叠/连续的日期区间 #

提取所有唯一的日期区间，排序后合并存在重叠或连续的区间：

# 提取唯一区间并按开始日期排序
unique_intervals = df[['StartDate', 'EndDate']].drop_duplicates().sort_values('StartDate').reset_index(drop=True)

# 合并重叠区间
merged_intervals = []
current_start, current_end = unique_intervals.iloc[0][['StartDate', 'EndDate']]

for _, row in unique_intervals.iloc[1:].iterrows():
    start, end = row['StartDate'], row['EndDate']
    # 当前区间与合并区间重叠，更新合并区间的结束日期
    if start <= current_end:
        current_end = max(current_end, end)
    else:
        # 无重叠，保存当前合并区间并开启新的合并
        merged_intervals.append((current_start, current_end))
        current_start, current_end = start, end
# 添加最后一个合并区间
merged_intervals.append((current_start, current_end))

# 转换为DataFrame便于后续匹配
merged_df = pd.DataFrame(merged_intervals, columns=['MergedStart', 'MergedEnd'])

步骤3：匹配企业到合并区间并聚合 #

判断每个企业的日期区间与哪个合并区间重叠，然后按合并区间分组聚合企业列表：

# 匹配企业所属的合并区间
def match_interval(row):
    for idx, interval in merged_df.iterrows():
        # 只要企业区间与合并区间有交集即匹配
        if not (row['EndDate'] < interval['MergedStart'] or row['StartDate'] > interval['MergedEnd']):
            return idx
    return -1

df['GroupID'] = df.apply(match_interval, axis=1)

# 聚合生成结果
result = df.groupby('GroupID').agg(
    合并开始日期=('StartDate', lambda x: merged_df.loc[x.name, 'MergedStart']),
    合并结束日期=('EndDate', lambda x: merged_df.loc[x.name, 'MergedEnd']),
    关联企业=('Company', ', '.join)
).reset_index(drop=True)

# 查看结果
print(result)

输出结果 #

运行上述代码后，输出的结果如下：

合并开始日期 合并结束日期        关联企业
0 2023-04-01 2023-05-09  A, B, C, D, E, G
1 2023-04-15 2023-05-18              F

这个方案可以覆盖完全重叠、部分重叠、区间包含等多种场景，确保所有存在日期交集的企业都被聚合到对应的合并区间中。

内容的提问来源于stack exchange，提问作者PyPyVk