如何在Python中为数据集内指定日期的国家分配季节？

核心思路 #

放弃iterrows/iteritems这类低效的行迭代方式，改用Pandas/Numpy矢量化操作处理——这是大数据集场景下的最优方案，既提升运行效率，又能避免迭代带来的索引错位、数据不更新等问题。整体步骤分为：

• 将日期列转为标准datetime格式，提取月份
• 标记每个国家所属的半球
• 根据半球规则批量映射季节

具体实现代码 #

1. 预处理：转换日期并提取月份 #

先确保日期列是Pandas可识别的datetime类型，再提取月份用于后续判断：

import pandas as pd
import numpy as np

# 假设数据集存储在df中，日期列名为'date'，国家列名为'country'
df['date'] = pd.to_datetime(df['date'])
df['month'] = df['date'].dt.month

2. 标记国家所属半球 #

通过isin方法快速完成国家与半球的匹配：

# 替换为你实际的南北半球国家列表
north_hem_list = ["中国", "美国", "日本", ...]
south_hem_list = ["澳大利亚", "巴西", "南非", ...]

df['is_north'] = df['country'].isin(north_hem_list)

3. 矢量化映射季节（推荐方案，效率最高） #

用np.where结合np.select实现批量判断，完全避免行迭代：

# 北半球季节规则
north_conditions = [
    df['month'].between(3, 5),
    df['month'].between(6, 8),
    df['month'].between(9, 11),
    df['month'].isin([12, 1, 2])
]
north_seasons = ['Spring', 'Summer', 'Fall', 'Winter']

# 南半球季节规则
south_conditions = [
    df['month'].between(9, 11),
    df['month'].isin([12, 1, 2]),
    df['month'].between(3, 5),
    df['month'].between(6, 8)
]
south_seasons = ['Spring', 'Summer', 'Fall', 'Winter']

# 分配季节列，同时处理未匹配到半球的国家
df['season'] = np.where(
    df['is_north'],
    np.select(north_conditions, north_seasons, default='Unknown'),
    np.select(south_conditions, south_seasons, default='Unknown')
)

备选方案：自定义函数+apply（适合逻辑复杂场景） #

如果需要更灵活的分支逻辑，可使用apply，但效率略低于矢量化操作：

def get_season(row):
    month = row['month']
    country = row['country']
    
    if country in north_hem_list:
        if 3 <= month <= 5:
            return 'Spring'
        elif 6 <= month <= 8:
            return 'Summer'
        elif 9 <= month <= 11:
            return 'Fall'
        else:
            return 'Winter'
    elif country in south_hem_list:
        if 9 <= month <= 11:
            return 'Spring'
        elif month in [12, 1, 2]:
            return 'Summer'
        elif 3 <= month <= 5:
            return 'Fall'
        else:
            return 'Winter'
    else:
        return 'Unknown'

df['season'] = df.apply(get_season, axis=1)

为什么iterrows/iteritems会失败？ #

这类行迭代方法有两个致命问题：

• 效率极差：大型数据集下，迭代每一行的时间成本是矢量化操作的数十倍甚至上百倍
• 易出错：迭代返回的是行的副本而非原数据，修改时容易出现索引错位、数据不更新的情况

内容的提问来源于stack exchange，提问作者Raul Martz