使用Pandas按列分组后日期格式丢失问题求助

问题原因 #

你看到的数字（如43248）是Excel风格的日期序列号（代表从1900-01-01开始的天数），核心问题有两点：

1. 分组聚合(agg)后生成了多级列名，你后续的日期转换代码没有正确匹配目标列，导致转换逻辑错误；
2. pandas对datetime类型执行聚合操作时，若内部处理不当，会将datetime对象转为对应的序列号数值。

正确解决方案 #

方案1：修复多级列的日期转换逻辑 #

分组后的grouped_df是多级列结构，需要通过多级索引定位列，转换时使用unit='D'参数（匹配按天计算的序列号）：

unique_df['created_date'] = pd.to_datetime(unique_df['created_date'], format='%Y-%m-%d')
unique_df['date'] = pd.to_datetime(unique_df['date'], format='%Y-%m-%d')

aggregations = {
    'username': 'first',
    'created_date': 'first',
    'id': 'count',
    'date': ['first', 'last'],
    'like_count': 'sum',
    'list_count': ['first', 'last']   
}

grouped_df = unique_df.groupby('id').agg(aggregations)

# 正确处理多级列的日期转换
grouped_df[('created_date', 'first')] = pd.to_datetime(grouped_df[('created_date', 'first')], unit='D')
grouped_df[('date', 'first')] = pd.to_datetime(grouped_df[('date', 'first')], unit='D')
grouped_df[('date', 'last')] = pd.to_datetime(grouped_df[('date', 'last')], unit='D')

# 可选：将多级列名转为单级，方便后续操作
grouped_df.columns = ['_'.join(col) for col in grouped_df.columns]

方案2：聚合时直接重命名列，避免多级索引 #

更简洁的方式是在聚合时指定新列名，直接生成单级列，后续处理更直观：

unique_df['created_date'] = pd.to_datetime(unique_df['created_date'], format='%Y-%m-%d')
unique_df['date'] = pd.to_datetime(unique_df['date'], format='%Y-%m-%d')

# 用嵌套字典指定聚合规则和新列名
aggregations = {
    'username': ('username', 'first'),
    'created_date': ('created_date', 'first'),
    'id': ('id_count', 'count'),
    'date': [('date_first', 'first'), ('date_last', 'last')],
    'like_count': ('like_total', 'sum'),
    'list_count': [('list_count_first', 'first'), ('list_count_last', 'last')]   
}

grouped_df = unique_df.groupby('id').agg(**aggregations)

# 若仍有日期变为序列号，直接用unit='D'转换
grouped_df['created_date'] = pd.to_datetime(grouped_df['created_date'], unit='D')
grouped_df['date_first'] = pd.to_datetime(grouped_df['date_first'], unit='D')
grouped_df['date_last'] = pd.to_datetime(grouped_df['date_last'], unit='D')

方案3：确保聚合时保留datetime类型（推荐） #

如果unique_df中created_date和date已经是datetime类型，正常情况下agg('first')应该保留datetime类型，出现数字可能是显示设置或版本问题。先检查聚合前的列类型：

print(unique_df.dtypes)

确认类型后，可强制设置显示格式避免序列号：

grouped_df.style.format({
    ('created_date', 'first'): lambda x: x.strftime('%Y-%m-%d'),
    ('date', 'first'): lambda x: x.strftime('%Y-%m-%d'),
    ('date', 'last'): lambda x: x.strftime('%Y-%m-%d')
})

内容的提问来源于stack exchange，提问作者aetosti