按col1列连续值分组，提取每组col2/col3最早、col4/col5最晚日期时间

需要按col1列中的连续相同值进行分组，对每个分组提取：

• col2和col3中的最早日期与小时
• col4和col5中的最晚日期与小时

原始数据 #

期望输出 #

解决方案（Python Pandas） #

通过生成连续分组标识，再对分组进行聚合操作即可实现需求：

import pandas as pd

# 构造示例数据
data = [
    ["a", "2021-07-03", "17:08", "2021-07-04", "10:41"],
    ["b", "2021-07-10", "04:14", "2021-07-11", "04:32"],
    ["c", "2021-07-13", "02:03", "2021-07-14", "00:45"],
    ["d", "2021-07-14", "21:23", "2021-07-15", "02:59"],
    ["d", "2021-07-15", "04:05", "2021-07-15", "09:41"],
    ["e", "2021-07-17", "13:50", "2021-07-18", "08:49"],
    ["a", "2021-07-18", "10:51", "2021-07-18", "12:27"],
    ["a", "2021-07-18", "13:55", "2021-07-19", "06:26"],
    ["f", "2021-09-20", "22:36", "2021-09-20", "23:19"],
    ["f", "2021-09-21", "23:45", "2021-09-23", "10:12"]
]
df = pd.DataFrame(data, columns=["col1", "col2", "col3", "col4", "col5"])

# 生成连续分组ID：当前行col1与上一行不同时，分组号累加
df["group_id"] = (df["col1"] != df["col1"].shift()).cumsum()

# 分组聚合：提取对应字段的极值
result = df.groupby("group_id").agg(
    col1=("col1", "first"),
    col2=("col2", "min"),
    col3=("col3", "min"),
    col4=("col4", "max"),
    col5=("col5", "max")
).reset_index(drop=True)

print(result)

关键步骤说明 #

1. 生成连续分组标识：利用shift()对比当前行与上一行的col1值，通过cumsum()生成唯一的连续分组ID，确保只有相邻相同的col1值被分到同一组。
2. 聚合逻辑：
   • col1取组内第一个值（同一连续组内值一致）
   • col2/col3用min()获取最早的日期和小时
   • col4/col5用max()获取最晚的日期和小时
3. 重置索引：去掉分组ID列，使输出索引与期望结果一致。

内容的提问来源于stack exchange，提问作者user14871576