如何使用Pandas计算分组内距离上一次指定事件发生的天数

核心思路是通过分组+向前填充的方式定位每个学生最近一次不及格的考试日期，再直接计算日期间隔，全程使用Pandas向量化操作，性能远高于常规循环。

前置处理 #

首先需要将字符串格式的考试日期转为Pandas datetime类型，用于后续日期计算：

import pandas as pd

# 示例数据初始化
df = pd.DataFrame({'StudentName': ['Anil','Ramu','Ramu','Anil','Peter','Peter','Anil','Ramu','Peter','Anil'],
                   'ExamDate': ['2021-01-10','2021-01-20','2021-02-22','2021-03-30','2021-01-04','2021-06-06','2021-04-30','2021-07-30','2021-07-08','2021-09-07'],
                   'Result': ['Fail','Pass','Fail','Pass','Pass','Pass','Pass','Pass','Fail','Pass']})

# 转换日期格式
df['ExamDate'] = pd.to_datetime(df['ExamDate'])

核心计算步骤 #

1. 新建临时列存储不及格记录的考试日期，非不及格记录行留空
2. 按学生姓名分组，向前填充临时列，使每个学生的所有行都能匹配到最近一次不及格的考试日期，无不及格历史的行留空
3. 计算当前考试日期与最近一次不及格日期的天数差，处理特殊情况：无不及格历史、当前行本身是不及格的记录，值统一设为0
4. 清理临时列

对应代码：

# 标记所有不及格记录的考试日期
df['last_fail_date'] = df.loc[df['Result'] == 'Fail', 'ExamDate']

# 按学生分组，向前填充最近一次不及格日期
df['last_fail_date'] = df.groupby('StudentName')['last_fail_date'].ffill()

# 计算天数差，处理特殊情况
df['LastFailedDays'] = (df['ExamDate'] - df['last_fail_date']).dt.days.fillna(0).astype(int)
df.loc[df['Result'] == 'Fail', 'LastFailedDays'] = 0

# 删除临时列
df = df.drop(columns='last_fail_date')

输出结果验证 #

运行后输出的df与预期结果完全一致：

StudentName   ExamDate Result  LastFailedDays
0        Anil 2021-01-10   Fail               0
1        Ramu 2021-01-20   Pass               0
2        Ramu 2021-02-22   Fail               0
3        Anil 2021-03-30   Pass              79
4       Peter 2021-01-04   Pass               0
5       Peter 2021-06-06   Pass               0
6        Anil 2021-04-30   Pass             110
7        Ramu 2021-07-30   Pass             158
8       Peter 2021-07-08   Fail               0
9        Anil 2021-09-07   Pass             240

内容的提问来源于stack exchange，提问作者Amey Kumar Samala