在分组后的DataFrame中计算连续行的月份时间差

针对你这个需求，我推荐用Pandas的分组+向量化时间运算来实现，既简洁又高效，完全适配你给出的场景（所有日期都是当月第一天）。

完整实现代码 #

import pandas as pd

# 你的示例数据
df = pd.DataFrame({
    'name': ['Mark', 'Anne', 'Anne', 'Anne', 'Anne', 'Anne', 'John', 'John', 'John', 'Ethan'],
    'date': ['2018-01-01', '2018-01-01', '2018-02-01', '2018-04-01', '2018-09-01', '2019-01-01', '2018-02-01', '2018-06-01', '2019-02-01', '2018-03-01']
})

# 1. 先把日期列转为datetime类型，这是时间计算的前提
df['date'] = pd.to_datetime(df['date'])

# 2. 按用户分组，计算连续日期的月份间隔（精准版，因为都是当月第一天）
df['months'] = df.groupby('name')['date'].apply(
    lambda x: (x.dt.year - x.shift().dt.year) * 12 + (x.dt.month - x.shift().dt.month)
)

# 3. 把每个用户的第一行NaN填充为0，转成整数
df['months'] = df['months'].fillna(0).astype(int)

print(df)

关键步骤解释 #

1. 日期类型转换：必须先把字符串格式的date转为datetime64类型，Pandas的时间运算API只对这个类型生效。
2. 分组计算间隔：
   • 用groupby('name')把数据按用户拆分，确保只计算同一用户的连续行间隔。
   • 因为所有日期都是当月第一天，我们可以直接通过年份差×12 + 月份差来计算间隔，这个方法完全精准，没有近似误差。
   • x.shift()用来获取当前组的上一行数据，和当前行做年份、月份的差值计算。
3. 填充初始值：每个用户的第一行没有上一行数据，所以计算结果是NaN，用fillna(0)把这些位置设为0，最后转成整数类型和预期输出一致。

性能说明 #

这个方案用的是Pandas的内置向量化操作，避免了手动循环，在数据量较大（比如几十万行）的时候，性能会比循环写法快几十倍甚至上百倍，完全符合高效的要求。

如果你想更简洁一点，也可以用时间差转秒数的近似写法（结果和精准版一致，因为都是当月第一天）：

df['months'] = df.groupby('name')['date'].diff().dt.total_seconds() // (30*24*3600)

内容的提问来源于stack exchange，提问作者HRDSL