如何在Python的DataFrame中基于列值生成重复行并枚举/计算

原始数据结构 #

期望输出要求 #

需新增两个列：

• SEQ：同一ID+TYPE组合内的行号，从1开始递增
• DIFF：当前行DATE与对应ID下TYPE=A的最小DATE的天数差

Python（Pandas）实现代码 #

import pandas as pd

# 读取并预处理数据（根据实际数据源调整读取方式）
df = pd.read_csv('your_data.csv')
# 将DATE列转为标准日期格式
df['DATE'] = pd.to_datetime(df['DATE'], format='%Y%m%d')

# 生成SEQ列：按ID和TYPE分组计数
df['SEQ'] = df.groupby(['ID', 'TYPE']).cumcount() + 1

# 生成DIFF列：先获取每个ID的TYPE=A基准日期，再计算天数差
base_dates = df[df['TYPE'] == 'A'].groupby('ID')['DATE'].min().reset_index(name='BASE_DATE')
df = df.merge(base_dates, on='ID', how='left')
df['DIFF'] = (df['DATE'] - df['BASE_DATE']).dt.days
# 可选：删除临时基准日期列
df.drop('BASE_DATE', axis=1, inplace=True)

# 查看最终结果
print(df)

关键逻辑说明 #

• groupby(['ID', 'TYPE']).cumcount() +1：针对每个ID和TYPE的组合分组，从0开始的计数加1后得到从1起始的序列编号。
• 基准日期提取：先筛选TYPE=A的行，按ID分组取最小DATE，再通过merge将基准日期匹配到对应ID的所有行。
• 日期差计算：利用Pandas日期类型的减法特性，dt.days将时间差转换为整数天数。

内容的提问来源于stack exchange，提问作者Grace