如何按照自定义日期逻辑对DataFrame数据进行分组？

最优实现方案 #

直接使用Pandas内置的向量化日期运算实现，全程无逐行遍历，不管数据量多大都能保持极高的执行效率：

1. 首先将Date列转为日期类型，避免字符串处理的异常
2. 利用布尔值转整数的特性直接计算目标年份：月份≥2时布尔值为1，刚好对应年份加1的需求，否则为0保留原年份

示例代码

import pandas as pd

# 假设你的原始DataFrame为df，先处理日期列类型
df['Date'] = pd.to_datetime(df['Date'])

# 直接生成目标年份列，替换原Date列即可
df['Date'] = df['Date'].dt.year + (df['Date'].dt.month >= 2).astype('int')

如果后续需要按年份做聚合求和，直接在后面补充分组逻辑即可：

# 按标记后的年份聚合所有数值列的和
df = df.groupby('Date', as_index=False).sum()

运行后得到的结果和你给出的示例完全一致。

内容的提问来源于stack exchange，提问作者titu84hh