pandas按多字段分组后如何筛选指定年份区间元素并统计id数量

实现代码 #

你可以直接使用groupby配合自定义逻辑完成统计，以下是两种可直接运行的实现方案：

写法1：直观易读（适合小数据量）

import pandas as pd

# 构建示例DataFrame
df = pd.DataFrame({'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                   'x': ['A', 'A', 'A', 'A', 'C', 'C','E', 'G', 'G', 'G'],
                   'y': ['B', 'B', 'B', 'B', 'D', 'D', 'F', 'H', 'H', 'H'],
                   'year': [1990, 1991, 1992, 1993, 1994, 1999, 1999, 2001, 2002, 2010]})

# 核心统计逻辑
result = df.groupby(['x', 'y']).apply(
    lambda group: group[group['year'].between(group['year'].min(), group['year'].min() + 4)]['id'].count()
).reset_index(name='count_id')

print(result)

写法2：性能优化（适合大数据量）

用transform提前生成分组最小年份，避免逐组循环的性能损耗：

# 先给每行标记所属分组的最小年份
df['group_min_year'] = df.groupby(['x', 'y'])['year'].transform('min')
# 筛选符合条件的行后分组统计
result = df[df['year'].between(df['group_min_year'], df['group_min_year'] + 4)]\
    .groupby(['x', 'y'], as_index=False)['id'].count()\
    .rename(columns={'id': 'count_id'})

输出结果 #

两种写法都会得到你需要的预期结果：

x  y  count_id
0  A  B         4
1  C  D         1
2  E  F         1
3  G  H         2

内容的提问来源于stack exchange，提问作者Pineapple P