如何匹配含多值的连续日期并按自然月计算日期

针对你遇到的两列多日期无法顺序匹配计算的问题，拆成行后分组是可行的思路，下面给两种常用工具的实现步骤：

Power Query（Excel/Power BI适用） #

• 选中数据进入Power Query编辑器，对两个多日期列分别执行「拆分列>按分隔符」，选择拆分为行（确保日期的分隔符和实际数据一致，比如逗号、空格）
• 拆分后每一行会对应原记录中一对顺序匹配的日期，此时可以添加自定义列做日期计算（比如算间隔天数：Duration.Days([列2日期] - [列1日期])）
• 若需要按原数据分组汇总，用「分组依据」功能，选择原表的唯一标识字段作为分组键，对计算结果做聚合操作（求和、平均等）

Python pandas 实现 #

import pandas as pd

# 读取数据，替换为你的数据源路径
df = pd.read_excel("your_data.xlsx")

# 拆分日期列为列表，同时拆成行，保证两列日期顺序匹配
df["col_dates1"] = df["col_dates1"].str.split(";")  # 替换为实际分隔符
df["col_dates2"] = df["col_dates2"].str.split(";")
df = df.explode(["col_dates1", "col_dates2"], ignore_index=True)

# 转换为日期格式，去除可能的空格
df["col_dates1"] = pd.to_datetime(df["col_dates1"].str.strip())
df["col_dates2"] = pd.to_datetime(df["col_dates2"].str.strip())

# 执行日期计算，示例为计算间隔天数
df["date_interval"] = (df["col_dates2"] - df["col_dates1"]).dt.days

# 按原分组字段聚合计算结果
final_result = df.groupby("original_group_id")["date_interval"].agg(["sum", "median"])

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