Pandas如何按id分组根据日期变更生成周期period字段

步骤1：构造测试数据与预处理 #

首先将日期列转换为datetime格式，避免字符串对比出现异常，示例代码如下：

import pandas as pd

# 构造测试数据集
data = {
    "id": [111, 111, 111, 222, 111, 111, 222, 222, 222],
    "date": ["2021-08-10", "2021-08-11", "2021-08-11", "2021-08-11", "2021-08-12", "2021-08-13", "2021-08-13", "2021-08-13", "2021-08-14"]
}
df = pd.DataFrame(data)

# 转换日期列为datetime格式
df["date"] = pd.to_datetime(df["date"])

步骤2：生成period列 #

方法1：基于日期排序编码（通用方案，无需提前排序） #

通过factorize的sort参数对分组内的日期按时间顺序编码，自动匹配同一日期的编号，代码如下：

df["period"] = df.groupby("id")["date"].transform(
    lambda x: pd.factorize(x, sort=True)[0] + 1
)

该方案无需提前对数据集排序，会自动按日期的时间先后分配递增编号，适配任意行顺序的原始数据。

方法2：基于日期差判断（大数据量下效率更高） #

如果原始数据可按id和日期排序，可通过判断相邻行日期差的方式生成编号，计算效率更高：

# 先按id、日期升序排序，保证日期顺序正确
df = df.sort_values(["id", "date"]).reset_index(drop=True)
# 分组判断日期是否变化，累加得到递增编号
df["period"] = df.groupby("id")["date"].diff().dt.days.ne(0).groupby(df["id"]).cumsum()

两种方法输出的结果均符合要求，直接打印print(df)即可看到预期输出。

内容的提问来源于stack exchange，提问作者NineWasps