如何用Pandas按日期间隔阈值分组连续行块？

需求说明 #

需要将Pandas DataFrame中连续行日期间隔超过365天的部分划分为独立块，最终输出每个块的最小日期、最大日期，以及块内Data字段的合并结果。

示例输入 #

期望输出 #

解决方法 #

你之前尝试的diff()和cumsum()思路是可行的，问题大概率出在日期类型转换或分组标记的逻辑细节上，以下是完整可运行的实现步骤：

步骤1：转换日期类型并计算间隔 #

首先确保Date列是datetime格式，才能正确计算日期间隔：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Date': ['2019-01-01', '2019-05-01', '2020-04-01', '2021-07-01', '2022-02-01', '2024-05-01'],
    'Data': ['A', 'B', 'C', 'D', 'E', 'F']
})

# 转换为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 计算相邻行的日期间隔，第一行无前置行，填充为0
df['days_diff'] = df['Date'].diff().dt.days.fillna(0)

步骤2：生成分组ID #

判断间隔是否超过365天，生成拆分标记，再用cumsum()生成连续的分组ID：

# 当日期间隔>365天时标记为1，否则为0
df['group_flag'] = (df['days_diff'] > 365).astype(int)

# 累加标记生成分组ID，同一个连续块会有相同ID
df['group_id'] = df['group_flag'].cumsum()

步骤3：按分组聚合 #

最后按group_id分组，聚合出需要的结果：

result = df.groupby('group_id').agg(
    Min_Date=('Date', 'min'),
    Max_Date=('Date', 'max'),
    Data=('Data', ''.join)
).reset_index(drop=True)

# 可选：将日期格式化为字符串（按需调整）
result['Min_Date'] = result['Min_Date'].dt.strftime('%Y-%m-%d')
result['Max_Date'] = result['Max_Date'].dt.strftime('%Y-%m-%d')

print(result)

代码运行结果 #

Min_Date   Max_Date Data
0  2019-01-01 2020-04-01  ABC
1  2021-07-01 2022-02-01   DE
2  2024-05-01 2024-05-01    F

关键逻辑说明 #

• diff().dt.days：必须先将Date转为datetime类型，才能用dt访问器提取天数差。
• group_flag：标记出需要拆分块的位置，每出现一次间隔>365天，就开启一个新分组。
• cumsum()：将标记累加，把连续的行归为同一个分组ID，确保多块场景下分组准确。

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