如何用Pandas实现复杂分组：按ID统计并计算总耗时

嘿，我来帮你搞定这个需求！要实现按ID分组统计出现次数，以及最早开单日期和最晚关单日期的天数差，我们需要分两步走：先处理日期格式，再做分组聚合。下面是完整的实现方案：

步骤1：准备数据并转换日期格式 #

首先把你的原始数据转换成DataFrame，同时必须把Date_Open和Date_Closed这两列从字符串转成datetime类型——不然直接计算日期差会出问题，因为字符串的排序逻辑和日期不一样。

代码如下：

import pandas as pd

# 你的原始数据
data = {
    'ID': [1, 1, 2, 2, 3],
    'Date_Open': ['01/01/2019', '07/01/2019', '10/01/2019', '13/01/2019', '10/01/2019'],
    'Date_Closed': ['02/01/2019', '09/01/2019', '11/01/2019', '19/01/2019', '11/01/2019']
}

df = pd.DataFrame(data)

# 转换日期格式，这里你的日期是DD/MM/YYYY格式，所以要指定format参数
df['Date_Open'] = pd.to_datetime(df['Date_Open'], format='%d/%m/%Y')
df['Date_Closed'] = pd.to_datetime(df['Date_Closed'], format='%d/%m/%Y')

步骤2：分组聚合计算目标指标 #

接下来用groupby('ID')对数据分组，然后通过agg()方法一次性定义两个聚合规则：

• Count_of_ID：用size()统计每个ID的出现次数（和count()效果差不多，这里用size更合适，因为它会统计所有行，包括空值，不过你的数据里没有空值）
• Total_Time_In_Days：先取每个ID的最早Date_Open和最晚Date_Closed，然后计算两者的天数差

我给你两种写法，选哪种都可以：

写法一：紧凑版 #

result = df.groupby('ID').agg(
    Count_of_ID=('ID', 'size'),
    Total_Time_In_Days=lambda x: (x.max() - df.loc[x.index, 'Date_Open'].min()).days
).reset_index()

写法二：更直观的分步版 #

这种写法会先计算中间的日期列，方便你检查数据是否正确，最后再删掉不需要的列：

# 先分组计算三个指标：次数、最早开单日期、最晚关单日期
temp = df.groupby('ID').agg(
    Count_of_ID=('ID', 'size'),
    earliest_open=('Date_Open', 'min'),
    latest_closed=('Date_Closed', 'max')
)

# 计算天数差，然后整理成最终结果
result = temp.assign(
    Total_Time_In_Days=lambda x: (x['latest_closed'] - x['earliest_open']).dt.days
).drop(columns=['earliest_open', 'latest_closed']).reset_index()

最终结果 #

运行上面的代码后，result就是你想要的输出：

ID  Count_of_ID  Total_Time_In_Days
0   1            2                   8
1   2            2                   9
2   3            1                   1

小提示 #

• 日期格式转换是关键！如果不转成datetime类型，min()和max()会按字符串的字典序排序，结果肯定不对
• 如果你不确定日期格式，可以用pd.to_datetime的dayfirst=True参数，不过指定format会更稳妥，避免歧义

内容的提问来源于stack exchange，提问作者Django0602