pandas如何按连续相同值分组统计每组的最小与最大日期

这种对连续相同字段值分组统计的需求，通常被称为连续孤岛分组或者会话分组，pandas里可以通过位移+累加的方式完全向量化实现，不需要写循环。

完整实现代码 #

import pandas as pd

# 构造测试数据
df = pd.DataFrame({
    'state': ['a', 'a', 'b', 'b', 'a', 'a'],
    'date': pd.to_datetime(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05', '2020-01-06'])
})

# 【如果原始数据未按日期排序，先执行这一步】
# df = df.sort_values('date')

# 核心逻辑：生成连续分组键
group_key = df['state'].ne(df['state'].shift()).cumsum()

# 分组聚合得到结果
result = df.groupby([group_key, 'state'], as_index=False)['date'].agg(
    min_date='min',
    max_date='max'
).drop(columns=group_key.name)

print(result)

逻辑说明 #

• df['state'].ne(df['state'].shift())：将当前行的state值和上一行对比，不相等时返回True，代表新连续组的起始位置
• cumsum()：对布尔值做累加，True会被当作1、False当作0，累加后相同的值就对应同一个连续state组
• 按分组键+state分组聚合，取date的最小、最大值，即可得到目标结果

输出结果完全匹配需求：

state   min_date   max_date
0     a 2020-01-01 2020-01-02
1     b 2020-01-03 2020-01-04
2     a 2020-01-05 2020-01-06

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