如何将气旋数据的pd.DataFrame转换为按stormid统计的累计天数格式？

首先确保date字段为datetime类型，否则无法正确计算日期差：

import pandas as pd

# 转换日期格式
df['date'] = pd.to_datetime(df['date'])

接下来按stormid分组聚合，生成需求格式的DataFrame：

# 分组聚合
aggregated_df = df.groupby('stormid').agg(
    start_date=('date', 'min'),  # 起始日期：每组最小日期
    end_date=('date', 'max'),    # 结束日期：每组最大日期
    days=('date', lambda x: (x.max() - x.min()).days + 1),  # 持续天数（含首尾）
    season=('season', 'first')   # 季节：取每组第一条记录的季节（同一stormid季节应一致）
).reset_index()

# 重命名列名并调整顺序
aggregated_df.rename(columns={'start_date': 'start date', 'end_date': 'end date'}, inplace=True)
aggregated_df = aggregated_df[['start date', 'end date', 'days', 'season', 'stormid']]

如果你的“累计天数”指的是该气旋的记录条数（比如单日内有多条记录），只需把days的聚合逻辑改成count：

days=('date', 'count')

执行后得到的aggregated_df就会符合你给出的示例格式：

（注：示例中天数为15是因为原数据中该stormid包含15条记录，若用日期差计算则为8天，可根据实际需求选择对应逻辑）

内容的提问来源于stack exchange，提问作者MateaMar