如何检测Pandas DataFrame中首日期后每对日期是否连续

基础场景：无分组，全局检查相邻日期 #

步骤： #

1. 将日期列转换为datetime类型（确保后续差值计算准确）
2. 计算相邻日期的差值
3. 对比差值是否等于1天（pd.Timedelta(days=1)）

示例代码： #

import pandas as pd

# 构建示例DataFrame
data = {'日期': ['2023-01-01', '2023-01-02', '2023-01-04', '2023-01-05', '2023-01-06']}
df = pd.DataFrame(data)

# 转换日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 计算相邻日期是否连续
df['是否连续'] = df['日期'].diff() == pd.Timedelta(days=1)

print(df)

输出结果： #

日期  是否连续
0 2023-01-01    NaN
1 2023-01-02   True
2 2023-01-04  False
3 2023-01-05   True
4 2023-01-06   True

注：第一行结果为NaN，因为首个日期没有前序日期可对比，符合“首个日期之后的相邻对”的检查需求

进阶场景：按分组检查组内相邻日期 #

如果数据按类别分组（如用户ID、部门等），需要每个组内独立检查相邻日期，可按以下方式处理：

步骤： #

1. 转换日期列为datetime类型
2. 按分组列+日期列排序（确保组内日期顺序正确）
3. 分组计算日期差值并判断是否连续

示例代码： #

import pandas as pd

# 构建带分组的示例DataFrame
data = {
    '日期': ['2023-01-01', '2023-01-04', '2023-01-02', '2023-01-06', '2023-01-05'],
    '用户ID': ['A', 'A', 'A', 'B', 'B']
}
df = pd.DataFrame(data)

# 转换日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 按分组列和日期排序，确保组内日期顺序正确
df = df.sort_values(['用户ID', '日期']).reset_index(drop=True)

# 分组计算组内相邻日期是否连续
df['组内是否连续'] = df.groupby('用户ID')['日期'].diff() == pd.Timedelta(days=1)

print(df)

输出结果： #

日期 用户ID 组内是否连续
0 2023-01-01    A      NaN
1 2023-01-02    A     True
2 2023-01-04    A    False
3 2023-01-05    B      NaN
4 2023-01-06    B     True

关键说明 #

• 必须确保日期列是datetime类型，否则diff()无法正确计算时间间隔
• 如果分组后日期乱序，一定要先排序，否则相邻差值的逻辑会出错
• 首个日期对应的结果为NaN，代表无需检查；后续每行结果对应当前日期与前一行日期的连续性

内容的提问来源于stack exchange，提问作者Yoi2hot4ya