如何用Python Pandas将CSV同ID多日期值存为变量/列表并比较

核心步骤：按ID分组获取日期列表 #

用Pandas的groupby可以高效实现按ID聚合日期，同时用内置日期转换函数替代手动拆分字符串，代码更简洁高效：

import pandas as pd

filename = 'TestData.csv'
df = pd.read_csv(filename)

# 1. 将DATE列转换为datetime格式（适配日/月/年的输入格式，设置dayfirst=True）
df['DATE'] = pd.to_datetime(df['DATE'], dayfirst=True)

# 2. 按ID分组，提取每个ID对应的所有日期列表，转成字典方便后续调用
id_dates = df.groupby('ID')['DATE'].agg(list).to_dict()

# 输出结果：键为ID，值为该ID对应的日期列表
print(id_dates)

运行后会得到如下格式的字典：

{
  1: [Timestamp('2011-11-11 00:00:00'), Timestamp('2011-11-11 00:00:00')],
  2: [Timestamp('2011-05-05 00:00:00'), Timestamp('2011-06-20 00:00:00')],
  3: [Timestamp('2011-04-02 00:00:00'), Timestamp('2011-08-10 00:00:00')],
  4: [Timestamp('2011-12-08 00:00:00'), Timestamp('2012-02-01 00:00:00'), Timestamp('2012-03-12 00:00:00')]
}

后续日期比较标记参考 #

如果要标记同一ID下日期间隔超过设定时长的行，可以用transform实现向量化处理，避免手动循环：

# 设定日期间隔阈值（示例为30天）
threshold_days = 30

# 对每个ID的日期，计算与该ID最早日期的间隔，超过阈值则标记为1
df['FLAG'] = df.groupby('ID')['DATE'].transform(
    lambda x: (x - x.min()).dt.days > threshold_days
).astype(int)

print(df)

为什么不用手动循环？ #

Pandas的向量化操作（groupby、transform）比逐行循环效率高数十倍，尤其处理大型数据集时优势明显，同时代码更易维护。

内容的提问来源于stack exchange，提问作者Ciecmah