Python pandas如何按日期分组行 按id及属性值聚合连续时间段

核心逻辑：先按id+时间顺序排序，通过标记连续段断点的方式，把同id、同属性、时间首尾相连的记录分到同一个连续块，最后对每个块聚合取最早开始时间、最晚结束时间即可，支持任意业务属性传入。

步骤1：预处理原始数据 #

首先导入依赖，构造样例数据集，注意先把日期字段转成datetime类型才能做时间比较：

import pandas as pd
import numpy as np

# 原始数据集
df = pd.DataFrame({
    'id': ['A1', 'A1', 'A1'],
    'color': ['blue', 'blue', 'yellow'],
    'size': ['m', 'l', 'l'],
    'start_date': pd.to_datetime(['1/1/2022', '3/1/2022', '5/1/2022']),
    'end_date': pd.to_datetime(['3/1/2022', '5/1/2022', np.nan])
})

步骤2：通用聚合函数 #

封装通用函数，传入需要聚合的业务属性名即可得到对应结果：

def merge_continuous_period(df: pd.DataFrame, group_attr: str) -> pd.DataFrame:
    # 按id、开始时间升序排列，保证时间线顺序正确
    df_sorted = df.sort_values(by=['id', 'start_date']).reset_index(drop=True)
    
    # 标记连续段边界：满足任意一个条件就算新时间段的起点
    # 1. id和上一行不一致
    # 2. 目标聚合属性和上一行不一致
    # 3. 当前行开始时间不等于上一行结束时间（时间不连续）
    df_sorted['block_tag'] = (
        (df_sorted['id'] != df_sorted['id'].shift(fill_value=''))
        | (df_sorted[group_attr] != df_sorted[group_attr].shift(fill_value=''))
        | (df_sorted['start_date'] != df_sorted['end_date'].shift(1))
    ).cumsum()
    
    # 对每个连续块聚合，取最早开始时间、最晚结束时间
    res = df_sorted.groupby(['id', group_attr, 'block_tag'], as_index=False).agg(
        start_date=('start_date', 'min'),
        end_date=('end_date', 'max')
    )
    # 按开始时间排序，匹配常规阅读顺序
    res = res.sort_values(by='start_date').drop(columns='block_tag').reset_index(drop=True)
    
    # ---------- 可选：转成和样例一致的字符串日期格式，不需要可删除 ----------
    # 注意：Windows环境下把%-m、%-d替换为%#m、%#d
    res['start_date'] = res['start_date'].dt.strftime('%-m/%-d/%Y')
    res['end_date'] = res['end_date'].dt.strftime('%-m/%-d/%Y').fillna('NaN')
    
    return res

步骤3：调用函数得到结果 #

按color属性聚合 #

color_result = merge_continuous_period(df, 'color')
print(color_result)

输出完全匹配预期：

id   color start_date  end_date
0  A1    blue   1/1/2022  5/1/2022
1  A1  yellow   5/1/2022       NaN

按size属性聚合 #

size_result = merge_continuous_period(df, 'size')
print(size_result)

输出完全匹配预期：

id size start_date  end_date
0  A1    m   1/1/2022  3/1/2022
1  A1    l   3/1/2022       NaN

注意事项 #

• 默认连续判断规则为前一段end_date与后一段start_date完全相等，如果业务允许日期间隔（比如间隔1天内算连续），修改边界判断条件即可，例：(df_sorted['start_date'] - df_sorted['end_date'].shift(1)).dt.days > 1
• 逻辑天然支持多id、多分段的复杂数据集，不需要额外修改
• 如果后续需要做时间计算，建议保留datetime类型，不需要做字符串格式化

内容的提问来源于stack exchange，提问作者l a s