如何基于Name列从Pandas DataFrame获取最小/最大日期

问题背景 #

原始DataFrame数据：

需求：按Name分组，对Date1取最小值，Date2取最大值，预期输出：

遇到的问题：

• 直接调用pd.to_datetime(df['Date1'])时，报错month must be in 1...12 199007，无法识别yyyymm格式
• 指定format='%Y%m%d'并设置errors='ignore'，仅跳过错误但未完成日期转换，无法进行后续的极值计算

解决方案 #

1. 统一转换日期为标准datetime类型 #

针对多种日期格式，先清理字符串（去掉分隔符-），再根据字符串长度补全为yyyymmdd格式，最后转换为datetime：

import pandas as pd

def parse_date(date_str):
    # 去除分隔符，统一为纯数字字符串
    clean_str = str(date_str).replace('-', '')
    # 根据长度补全为8位日期串
    if len(clean_str) == 4:
        return f"{clean_str}0101"  # 年份补1月1日
    elif len(clean_str) == 6:
        return f"{clean_str}01"    # 年月补当月1日
    elif len(clean_str) == 8:
        return clean_str           # 完整日期直接返回
    else:
        return pd.NaT              # 异常格式返回空值

# 转换Date1和Date2列
df['Date1'] = pd.to_datetime(df['Date1'].apply(parse_date), format='%Y%m%d')
df['Date2'] = pd.to_datetime(df['Date2'].apply(parse_date), format='%Y%m%d')

2. 分组聚合并还原原始日期格式 #

分组计算极值后，根据每个Name对应的原始日期长度，将datetime类型还原为原有格式：

# 分组计算Date1最小值、Date2最大值
grouped_df = df.groupby('Name').agg(
    min_date1=('Date1', 'min'),
    max_date2=('Date2', 'max')
).reset_index()

# 获取每个Name对应的原始日期长度（取该组第一条记录的日期长度）
name_date_len = df.groupby('Name').apply(
    lambda x: len(str(x['Date1'].iloc[0]).replace('-', ''))
).to_dict()

def restore_date_format(date_obj, target_len):
    if pd.isna(date_obj):
        return None
    # 根据目标长度返回对应格式
    if target_len == 4:
        return date_obj.strftime('%Y')
    elif target_len == 6:
        return date_obj.strftime('%Y%m')
    elif target_len == 8:
        return date_obj.strftime('%Y%m%d')
    else:
        return date_obj.strftime('%Y-%m-%d')  # 处理带分隔符的原始格式

# 还原日期格式
grouped_df['Date1'] = grouped_df.apply(
    lambda row: restore_date_format(row['min_date1'], name_date_len[row['Name']]), axis=1
)
grouped_df['Date2'] = grouped_df.apply(
    lambda row: restore_date_format(row['max_date2'], name_date_len[row['Name']]), axis=1
)

# 保留所需列
final_result = grouped_df[['Name', 'Date1', 'Date2']]
print(final_result)

执行上述代码后，即可得到预期的分组聚合结果。

内容的提问来源于stack exchange，提问作者Rag