如何自动将Datetime数据按近似均等时长划分成不重叠分组？

需求说明 #

已有包含datetime类型date字段的DataFrame，数据时间跨度84个月，需划分为4组：

• 每组约含21个月数据
• 以数据最早日期（2015-10-02）为起点，各组区间无重叠（后一组起始为前一组结束日期+1天）
• 最后一组截止到数据最晚日期（2022-09-30）
• 替代手动编写np.select的低效方式，实现自动生成分组区间并完成分组

解决方案 #

方法1：自动生成区间后用np.select分组 #

通过计算每组的起始/结束日期，自动生成条件列表和分组标签，无需手动输入日期：

import pandas as pd
import numpy as np

# 确保date字段为datetime类型（若未预处理）
df["date"] = pd.to_datetime(df["date"], format="%Y-%m-%d")

# 获取数据首尾日期
min_date = df["date"].min()
max_date = df["date"].max()

# 定义分组参数
months_per_group = 21
num_groups = 4

# 自动生成各组起始日期
group_starts = [min_date + pd.DateOffset(months=i * months_per_group) for i in range(num_groups)]

# 自动生成各组结束日期（前3组为下一组起始-1天，最后一组到数据最晚日期）
group_ends = []
for i in range(num_groups - 1):
    group_ends.append(group_starts[i+1] - pd.Timedelta(days=1))
group_ends.append(max_date)

# 生成分组条件与标签
condlist = [(df["date"] >= start) & (df["date"] <= end) for start, end in zip(group_starts, group_ends)]
choicelist = [chr(ord('A') + i) for i in range(num_groups)]

# 为数据添加分组列
df["Group"] = np.select(condlist, choicelist)

方法2：用pd.cut快速分组 #

利用pd.cut的区间划分特性，结合调整后的边界实现分组，代码更简洁：

import pandas as pd

# 确保date字段为datetime类型
df["date"] = pd.to_datetime(df["date"], format="%Y-%m-%d")

min_date = df["date"].min()
max_date = df["date"].max()
months_per_group = 21
num_groups = 4

# 生成区间边界：最后一个边界设为最晚日期+1天，确保包含所有数据
group_starts = pd.date_range(start=min_date, periods=num_groups, freq=f"{months_per_group}MS")
bins = [min_date] + list(group_starts[1:]) + [max_date + pd.Timedelta(days=1)]
labels = ["A", "B", "C", "D"]

# 执行分组，include_lowest=True确保包含最早日期
df["Group"] = pd.cut(df["date"], bins=bins, labels=labels, include_lowest=True)

验证分组结果 #

可通过以下代码验证每组的时间范围和数据量：

# 查看每组的时间区间
group_ranges = df.groupby("Group")["date"].agg(["min", "max"])
print(group_ranges)

# 查看每组的数据量
group_counts = df["Group"].value_counts().sort_index()
print(group_counts)

内容的提问来源于stack exchange，提问作者JoMcGee