如何用Pandas DataFrame统计近30天内的记录出现次数

步骤1：确保日期列是datetime类型 #

首先需要将字符串格式的日期转换为Pandas的datetime类型，否则无法进行时间运算：

import pandas as pd

# 构造示例数据（匹配你的需求场景）
data = {
    'ID': ['001', '001', '001', '002', '002', '002'],
    'date': ['2022-01-01', '2022-01-04', '2022-02-05', '2022-01-02', '2022-01-28', '2022-03-01']
}
df = pd.DataFrame(data)

# 转换日期列
df['date'] = pd.to_datetime(df['date'])

步骤2：按ID分组+时间窗口滚动统计 #

使用groupby按ID分组，结合rolling的时间窗口功能，指定窗口为30天，同时设置closed='left'排除当前行（因为我们要统计的是当前日期之前30天内的记录）：

# 先按ID和日期排序，确保滚动窗口计算逻辑正确
df = df.sort_values(['ID', 'date'])

# 计算近30天内的出现次数
df['occurrences_last_month'] = df.groupby('ID')['date'].rolling('30D', closed='left').count().reset_index(level=0, drop=True)

执行后得到的结果完全匹配预期：

为什么你的方法没生效？ #

• 未按ID分组：直接对整个DataFrame计算会把不同ID的记录混在一起统计，结果自然错误。
• 滚动窗口参数错误：如果没设置closed='left'，默认会包含当前行，导致计数多1；或者误用了行数窗口而非时间窗口（'30D'）。
• 日期未排序：滚动窗口依赖有序的日期，未排序会导致统计范围混乱。

备选方法（小数据量适用） #

如果数据量不大，也可以用apply逐行计算，逻辑更直观，但效率低于滚动窗口：

df['occurrences_last_month'] = df.apply(
    lambda row: len(df[(df['ID'] == row['ID']) & 
                      (df['date'] >= row['date'] - pd.Timedelta(days=30)) & 
                      (df['date'] < row['date'])]),
    axis=1
)

内容的提问来源于stack exchange，提问作者datadatadata