Pandas非整数索引DataFrame标记连续日期最大值的实现问题

现有如下结构的DataFrame：

date
01.01.2003
02.01.2003
03.01.2003
05.01.2003
06.01.2003

尝试运行这段代码：

for i in (df['date']):
    if df['date'].iloc[i+1]-df['date'].iloc[i] == 1 :
        df['Max'] = df['date'].iloc[i+1]
    else :
        df['Max'] = ''

结果报错：

Addition/subtraction of integers and integer-arrays with Timestamp is no longer supported.  Instead of adding/subtracting `n`, use `n * obj.freq`

换成timedelta(days=1)后，又出现无法使用非整数索引的错误。

需求很明确：给每一组连续日期的最后一行标记该组的最大日期（也就是最后一个日期），其余行留空，期望输出如下：

date         max
01.01.2003   
02.01.2003
03.01.2003   03.01.2003
05.01.2003
06.01.2003   06.01.2003

注：仅在连续日期组最后一行填最大值，非连续日期需重新分组。

1. 先把日期列转成datetime类型 #

要处理日期逻辑，首先得确保date列是datetime格式，不然没法正确计算日期差：

import pandas as pd

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

2. 给连续日期分组 #

通过计算当前日期与上一行日期的差值，判断是否属于同一连续组：

# 标记分组：如果当前日期和前一天差不是1天，就开启新分组
df['group'] = (df['date'] - df['date'].shift(1) != pd.Timedelta(days=1)).cumsum()

3. 标记每组的最后一行日期 #

先通过分组获取每组的最大日期，再只保留每组最后一行的该值，其余行置空：

# 获取每组的最大日期
df['max'] = df.groupby('group')['date'].transform('max')
# 仅保留每组最后一行的max值，其余设为空
df['max'] = df.apply(
    lambda row: row['max'] if row.name == df[df['group'] == row['group']].index[-1] else '',
    axis=1
)
# 可选：把日期转回原字符串格式
df['max'] = df['max'].apply(lambda x: x.strftime('%d.%m.%Y') if isinstance(x, pd.Timestamp) else x)
df['date'] = df['date'].dt.strftime('%d.%m.%Y')
# 删掉临时的group列
df.drop('group', axis=1, inplace=True)

最终输出 #

运行后就能得到符合要求的结果：

date         max
0  01.01.2003            
1  02.01.2003            
2  03.01.2003  03.01.2003
3  05.01.2003            
4  06.01.2003  06.01.2003

原代码出错原因 #

• 循环里for i in df['date']的i是日期值，不是索引，用iloc[i+1]相当于把日期当整数索引用，完全不符合逻辑。
• 日期类型不能直接和整数1相减，必须用pd.Timedelta(days=1)来做差值比较。

内容的提问来源于stack exchange，提问作者beginner