Python pandas按连续相同值顺序分组拼接日期区间

你的代码存在3个核心问题，修正后即可得到正确结果：

1. 连续分组的标记没有做累计计算，导致不同位置的同值段被错误合并
2. 误用transform方法，该方法返回与原表等长的结果，无法实现分组聚合缩容
3. 仅对date列做计算，未保留number列，且未实现首尾日期取最值拼接区间的逻辑

完整可运行代码 #

import pandas as pd

# 先将date列转换为日期类型，避免字符串排序/取最值出错
df['date'] = pd.to_datetime(df['date'])

# 生成连续段分组ID：每当number和上一行值不同时，分组ID加1
df['segment_id'] = (df['number'] != df['number'].shift()).cumsum()

# 按分组ID聚合，生成最终结果
result = df.groupby('segment_id', as_index=False).agg(
    number=('number', 'first'),
    date=('date', lambda col: f"{col.min().strftime('%Y-%m-%d')} to {col.max().strftime('%Y-%m-%d')}")
)[['number', 'date']]

输出结果 #

执行代码后得到的result完全匹配预期格式：

number                       date
0   123456  2021-01-16 to 2021-01-18
1    98765  2021-01-19 to 2021-02-01
2   123456  2021-02-02 to 2021-02-11
3  7645323  2021-02-13 to 2021-02-17

关键逻辑说明 #

• 分组ID生成逻辑：(df['number'] != df['number'].shift())会在每段连续相同number的第一行返回True，其余行返回False，做cumsum()累计求和后，每一段连续相同number的行会被分配到同一个唯一ID，实现顺序连续分组
• 聚合逻辑：同一段连续分组内的number值完全一致，直接取第一个值即可；日期列取最小值作为区间起点、最大值作为区间终点，按要求格式拼接即可
• 顺序保证：因为分组是按原表顺序生成的segment_id，聚合后结果顺序和原表中连续段出现的顺序完全一致

提示：如果你的date列本身就是YYYY-MM-DD格式的字符串，由于该格式的字符串字典序与日期先后顺序完全一致，可以跳过pd.to_datetime的类型转换步骤，直接对字符串列取min/max即可得到正确的首尾日期。

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