如何按固定2个月间隔统计每日案例数量？

步骤分解 #

要实现按1-2月、3-4月这种固定双月间隔统计，核心是给每个日期映射到对应的双月区间，再按ID+区间分组计数，具体步骤如下：

• 转换日期格式：将字符串类型的date列转为pandas可处理的datetime类型
• 生成双月区间标签：通过计算把每个日期归入对应的双月组，生成如2010-01_02的区间标识
• 分组统计：按ID和双月区间分组，统计每组的案例数量

具体代码实现 #

import pandas as pd

# 原始数据
d1 = pd.DataFrame({'ID': ["A", "A", "A", "B", "B", "C", "C", "C", "C", "D", "D", "D"],
                   "date": ["2010-12-30", "2010-02-27", "2010-02-26", "2012-01-01", "2012-01-03",
                            "2011-01-01", "2011-01-02", "2011-01-08", "2014-02-21", "2010-08-31", "2010-08-30", "2010-09-01"]})

# 1. 将date列转为datetime类型，方便日期计算
d1['date'] = pd.to_datetime(d1['date'])

# 2. 生成双月区间标签
# 提取年份和月份
d1['year'] = d1['date'].dt.year
d1['month'] = d1['date'].dt.month

# 计算双月组：(month-1)//2 把1-2月归为0组，3-4月归为1组，...，11-12月归为5组
d1['bi_month_group'] = (d1['month'] - 1) // 2

# 根据组计算区间的起始/结束月份，补两位数字保证格式统一
d1['start_month'] = d1['bi_month_group'] * 2 + 1
d1['end_month'] = d1['bi_month_group'] * 2 + 2

# 拼接成目标格式的区间字符串
d1['bi_month'] = d1.apply(lambda row: f"{row['year']}-{row['start_month']:02d}_{row['end_month']:02d}", axis=1)

# 3. 按ID和双月区间分组统计数量，整理成目标格式
result = d1.groupby(['ID', 'bi_month']).size().reset_index(name='count')
result = result.rename(columns={'bi_month': 'date'})

print(result)

代码说明 #

• 日期转换：pd.to_datetime()确保日期能被pandas正确识别和运算
• 双月组计算：(month-1)//2是核心逻辑，通过整数除法将相邻两个月归为同一组
• 区间格式化：用f-string补零格式化月份，保证区间字符串格式统一（如01而非1）
• 分组统计：groupby(['ID', 'bi_month']).size()直接统计每组案例数，reset_index()将结果转为标准DataFrame格式

运行结果 #

执行代码后输出与期望格式完全匹配：

ID        date  count
0  A  2010-01_02      2
1  A  2010-11_12      1
2  B  2012-01_02      2
3  C  2011-01_02      3
4  C  2014-01_02      1
5  D  2010-07_08      2
6  D  2010-09_10      1

内容的提问来源于stack exchange，提问作者krcoder