如何对DataFrame指定列求和并正确处理datetime日期列？

原数据与需求 #

原DataFrame（日期列已转为datetime类型） #

import pandas as pd

data = {
    'Name': ['John', 'Betty', 'Bruce', 'John', 'Betty'],
    'Amount': [11, 13, 17, 19, 27],
    'Start_date': pd.to_datetime(['01/01/2022', '01/01/2022', '01/01/2022', '02/01/2022', '04/17/2022']),
    'End_date': pd.to_datetime(['01/02/2022', '04/16/2022', '05/17/2022', '03/19/2022', '06/30/2022']),
    'Country': ['USA', 'China', 'Germany', 'USA', 'China']
}
df = pd.DataFrame(data)

需求 #

• 按人员汇总Amount列的数值
• 合并日期区间：新的Start_date为该人员最早的起始日，End_date为最晚的结束日（题目说明区间无间隔，旧结束日次日即为新起始日）
• 原样保留Country列（同一人员的Country值一致）

解决方案 #

直接使用groupby结合agg方法，一次性完成所有聚合操作，不会破坏原DataFrame：

# 分组聚合
result_df = df.groupby('Name').agg(
    Amount=('Amount', 'sum'),
    Start_date=('Start_date', 'min'),
    End_date=('End_date', 'max'),
    Country=('Country', 'first')
).reset_index()

# 可选：将日期格式化为MM/DD/YYYY（与原数据显示一致）
result_df['Start_date'] = result_df['Start_date'].dt.strftime('%m/%d/%Y')
result_df['End_date'] = result_df['End_date'].dt.strftime('%m/%d/%Y')

print(result_df)

代码说明 #

• groupby('Name')：按人员姓名分组
• agg()：为每列指定聚合逻辑：
  • Amount：用sum汇总该人员的所有金额
  • Start_date：用min取该人员最早的起始日期
  • End_date：用max取该人员最晚的结束日期（因区间无间隔，直接取首尾即可覆盖完整周期）
  • Country：用first取该组第一条数据的Country值（同一人员Country一致，取任意值均可）
• reset_index()：将分组的Name从索引转换为普通列，还原成常规DataFrame结构

输出结果 #

Name  Amount Start_date   End_date  Country
0  Betty      40  01/01/2022  06/30/2022    China
1  Bruce      17  01/01/2022  05/17/2022  Germany
2   John      30  01/01/2022  03/19/2022      USA

内容的提问来源于stack exchange，提问作者Xtiaan