Pandas Groupby场景下计算重叠日期区间的起止时间

基于你已完成的重叠簇标记结果，为每个同组重叠簇计算实际重叠区间的起止日期，新增字段直接展示在原DataFrame中。

注意：重叠区间指簇内所有日期范围的公共交集，不是簇内最早开始、最晚结束时间组成的总覆盖时间范围

• 首先修正原代码的小问题：原df.drop('Range', axis=1)没有接收返回值，实际不会修改原DataFrame。
• 重叠区间计算规则：
  • 同一重叠簇内的公共交集起点为簇内所有记录Start_Date的最大值
  • 公共交集终点为簇内所有记录End_Date的最小值
  • 非重叠簇、或计算后起点晚于终点（说明原簇标记存在误判、实际无交集）的记录，重叠起止字段设为空时间值NaT

接你原有代码之后运行即可：

# 移除中间生成的Range列
df = df.drop('Range', axis=1)

def calc_overlap(group):
    # 非重叠簇直接返回空值
    if not group['Cluster'].iloc[0]:
        group['Overlap_Start'] = pd.NaT
        group['Overlap_End'] = pd.NaT
        return group
    # 计算交集起止
    overlap_start = group['Start_Date'].max()
    overlap_end = group['End_Date'].min()
    # 校验交集合法性
    if overlap_start > overlap_end:
        group['Overlap_Start'] = pd.NaT
        group['Overlap_End'] = pd.NaT
    else:
        group['Overlap_Start'] = overlap_start
        group['Overlap_End'] = overlap_end
    return group

# 按G2+Cluster分组计算，同一G2下的标记才属于同一个潜在重叠组
df = df.groupby(['G2', 'Cluster'], group_keys=False).apply(calc_overlap)

以G2=A1分组的两条重叠记录为例：

• 记录1：2020-06-01 ~ 2022-05-31
• 记录2：2020-12-01 ~ 2021-11-30
• 计算得到重叠区间：Overlap_Start=2020-12-01，Overlap_End=2021-11-30，和实际日期交集完全一致。

内容的提问来源于stack exchange，提问作者user1855463