Pandas如何高效判断同ID是否存在2个月内非重复日期行并新增布尔列

针对需求，核心思路是利用Pandas的向量化运算替代嵌套循环，两种常用实现方式如下： #

方法1：简洁可读版（适合万行以内数据） #

直接通过分组+逐行判断实现，代码逻辑清晰易维护：

import pandas as pd

# 第一步：确保日期列是datetime格式
df['datetime'] = pd.to_datetime(df['datetime'])

# 第二步：按ID分组判断每行是否存在符合要求的同ID其他行
df['has_nearby'] = df.groupby('id')['datetime'].transform(
    lambda group: group.apply(
        lambda cur_date: ((group >= cur_date - pd.DateOffset(months=2)) 
                        & (group <= cur_date + pd.DateOffset(months=2)) 
                        & (group != cur_date)).any()
    )
)

方法2：高性能版（适合十万行以上大数据量） #

利用排序后相邻行时间差最小的特性，仅对比相邻行即可完成判断，时间复杂度为O(n log n)：

import pandas as pd

# 第一步：确保日期列是datetime格式
df['datetime'] = pd.to_datetime(df['datetime'])

# 第二步：按ID和日期排序，保留原始索引用于结果回贴
df_sorted = df.sort_values(['id', 'datetime']).reset_index(names='original_idx')

# 第三步：计算同ID下当前行与上一行、下一行的时间差
df_sorted['diff_prev'] = df_sorted.groupby('id')['datetime'].diff()
df_sorted['diff_next'] = df_sorted.groupby('id')['datetime'].diff(-1).abs()

# 第四步：判断是否存在相邻行时间差小于2个月
df_sorted['has_nearby'] = (df_sorted['diff_prev'] < pd.DateOffset(months=2)) | (df_sorted['diff_next'] < pd.DateOffset(months=2))

# 第五步：将结果合并回原DataFrame
df = df.merge(
    df_sorted[['original_idx', 'has_nearby']],
    left_index=True,
    right_on='original_idx'
).drop('original_idx', axis=1).reset_index(drop=True)

注意事项 #

• 时间差值计算使用pd.DateOffset(months=2)而非固定60天，会自动适配不同月份的天数差异，符合常规业务对「2个月」的定义，若需求为固定60天可替换为pd.Timedelta(days=60)。
• 若原始数据的日期列已经是datetime64类型，可跳过格式转换步骤进一步提升性能。

内容的提问来源于stack exchange，提问作者gginelli