如何为DataFrame添加连续工作日序列长度统计列？

现有一个包含Account（账户）和Date（日期）的DataFrame，需新增一列Length，统计每个账户下连续日期序列的长度（该连续日期段的总天数）。核心规则：

• 常规连续日期（如01/02和01/03）算同一段连续序列
• 周五到周一需视为连续日期（即跳过周末，周五和周一算作连续）

输入DataFrame #

期望输出DataFrame #

使用Pandas可以高效实现需求，核心是自定义连续日期的判断逻辑，步骤如下：

import pandas as pd

# 构造输入DataFrame（若已有数据可跳过此步）
data = {
    'Account': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'D', 'D', 'D', 'D', 'D', 'D'],
    'Date': ['01/01/2023', '01/02/2023', '01/03/2023', '01/05/2023',
             '01/02/2023', '01/03/2023', '01/05/2023', '01/06/2023',
             '01/01/2023', '01/02/2023', '01/04/2023', '01/05/2023',
             '01/01/2023', '01/05/2023', '01/07/2023', '01/08/2023', '01/09/2023', '01/10/2023']
}
df = pd.DataFrame(data)

# 1. 转换日期格式并排序，确保每个账户内日期顺序正确
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%Y')
df = df.sort_values(['Account', 'Date']).reset_index(drop=True)

# 2. 按账户分组，生成连续序列的分组ID
def mark_continuous_groups(group):
    # 计算当前日期与前一日的天数差
    day_diff = group['Date'].diff().dt.days
    # 判断是否连续：要么差1天，要么差3天且前一日是周五、当日是周一
    is_continuous = (day_diff == 1) | ((day_diff == 3) & 
                                       (group['Date'].shift(1).dt.weekday == 4) & 
                                       (group['Date'].dt.weekday == 0))
    # 非连续时分组ID累加，将连续日期归为同一组
    group['group_id'] = (~is_continuous).cumsum()
    return group

df = df.groupby('Account').apply(mark_continuous_groups).reset_index(drop=True)

# 3. 统计每个分组的长度，合并回原表
group_lengths = df.groupby(['Account', 'group_id']).size().reset_index(name='Length')
df = df.merge(group_lengths, on=['Account', 'group_id']).drop('group_id', axis=1)

# 可选：恢复日期为原字符串格式
df['Date'] = df['Date'].dt.strftime('%m/%d/%Y')

print(df)

关键逻辑说明 #

• 日期转换与排序：先将日期转为datetime类型，确保后续差值计算准确，同时按账户和日期排序，避免因乱序导致分组错误
• 连续判断规则：除了常规的1天差值，针对周五（weekday=4）到周一（weekday=0）的3天差值也判定为连续，符合需求
• 分组与长度统计：通过cumsum()生成分组ID，将同一连续序列的日期归为一组，最后统计每组的长度并映射回原数据

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