Python pandas拆分Members列并统计各成员首次及末次出现日期

1. 拆分得到全NaN的核心原因：你的Members列存储的是带方括号的字符串格式列表，不是原生Python列表，拆分前没有先处理掉首尾的[、]符号，同时部分成员前后带空格，也会影响拆分结果；另外如果Members列的数据类型不是字符串，也会导致str类方法失效返回NaN。
2. 你当前的写法会直接覆盖原df，丢失Date列，后续无法统计成员的出现日期。

按照以下代码执行即可得到你要的结果：

• 第一步：预处理Members列，清洗无效符号

import pandas as pd

# 确保Members列是字符串类型，去掉首尾的方括号
df['Members'] = df['Members'].astype(str).str.strip('[]')
# 按逗号拆分，同时去除每个成员前后的多余空格，得到列表格式
df['Members'] = df['Members'].str.split(',').apply(lambda x: [item.strip() for item in x])

• 第二步：将每行的成员列表展开为多行，每个成员单独占一行

# explode方法实现列表展开，保留对应日期
df_explode = df.explode('Members', ignore_index=True)

• 第三步：按成员分组聚合，统计首次和末次出现日期

# 先将Date列转为日期格式，保证统计准确
df_explode['Date'] = pd.to_datetime(df_explode['Date'])
# 分组统计最小日期（首次）和最大日期（末次）
result = df_explode.groupby('Members', as_index=False).agg(
    首次出现日期=('Date', 'min'),
    末次出现日期=('Date', 'max')
)
# 若需要输出为字符串格式日期，可加下面这行代码
result[['首次出现日期', '末次出现日期']] = result[['首次出现日期', '末次出现日期']].apply(lambda col: col.dt.strftime('%Y-%m-%d'))

以你提供的测试数据运行后，输出的result结构如下：

内容的提问来源于stack exchange，提问作者bencolo