基于日期阈值的Pandas DataFrame分组累计增量列实现问题

原始DataFrame #

需求说明 #

按num_ID分组新增diff_weeks列：

• 每组首行值为0
• 其余行：若同组前一行的end_date与当前行start_date间隔≥7天，则diff_weeks = 前一行值 +1；否则保持前一行值

预期结果 #

原代码问题 #

使用以下代码时，既未实现累计求和逻辑，还抛出TypeError: unsupported operand type(s) for -: 'datetime.date' and 'float'错误：

df['diff_weeks'] = (df['start_date'].sub(df.groupby('num_ID')['end_date'].shift())
                     .ge('7d').astype(int)
                    )

错误原因：

• 分组shift后每组首行产生float类型的NaN，导致日期与float类型相减报错
• 仅生成了0/1的间隔标识列，未实现“满足条件累计加1”的需求

正确实现方案 #

步骤1：确保日期列类型正确 #

先将start_date和end_date转换为datetime类型（若原始数据还不是）：

import pandas as pd

df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])

步骤2：生成累计间隔标识列 #

通过分组计算日期差、生成间隔标识，再按组累计求和：

# 计算间隔标识并按组累计求和
df['diff_weeks'] = (
    (df['start_date'] - df.groupby('num_ID')['end_date'].shift()).dt.days >= 7
).astype(int).groupby(df['num_ID']).cumsum()

代码解释 #

1. df.groupby('num_ID')['end_date'].shift()：按组将end_date下移一行，每组首行得到NaN
2. (df['start_date'] - ...).dt.days >=7：计算当前行start_date与前一行end_date的天数差，判断是否≥7，生成布尔值
3. astype(int)：将布尔值转为0/1（False→0，True→1）
4. groupby(df['num_ID']).cumsum()：按组对0/1序列累计求和，自动实现“满足条件加1，否则保持原值”的逻辑；每组首行的NaN经过cumsum后自动变为0，符合需求

内容的提问来源于stack exchange，提问作者Carola