如何为DataFrame重复行逐年递增生成new_date列？

你的核心需求是按id分组（因为同一id对应的date完全相同），给组内的每一行分配一个递增的年份——从原日期的年份开始，每多一行加一年，最终生成对应年份的1月1日。

之前的代码只处理了唯一日期的转换，但没有区分组内的重复行，所以所有重复行都拿到了同一个日期。下面是完整的实现步骤：

步骤1：重现初始DataFrame #

先确认我们的初始数据一致：

import pandas as pd
import datetime

df_array = {"date":["2016/11/4", "2016/11/4", "2016/11/4" , "2014/3/2", "2015/5/6", "2015/5/6"], "id":["1", "1", "1" , "2", "3", "3"]}
df = pd.DataFrame(df_array)
df["date"] = pd.to_datetime(df["date"])

步骤2：给每组内的行添加序号 #

使用groupby().cumcount()可以给每个id组内的行从0开始生成连续序号，这个序号就是我们需要额外增加的年数：

df['group_row_num'] = df.groupby('id').cumcount()

步骤3：生成new_date列 #

这里提供两种高效的实现方式：

方法1：使用pd.to_datetime年份格式化（推荐，矢量化更高效） #

直接将原年份加上组内序号，再用pd.to_datetime自动转换为当年1月1日：

df['new_date'] = pd.to_datetime(df['date'].dt.year + df['group_row_num'], format='%Y')

方法2：用datetime构造函数（逻辑更直观） #

如果需要更清晰的构造逻辑，可以用apply逐行处理：

df['new_date'] = df.apply(
    lambda row: datetime.datetime(row['date'].year + row['group_row_num'], 1, 1),
    axis=1
)

步骤4：清理临时列（可选） #

如果不需要group_row_num这个临时辅助列，可以删除它：

df = df.drop('group_row_num', axis=1)

最终结果 #

执行完上述代码后，你的DataFrame会变成：

为什么之前的方法无效？ #

你之前用df.drop_duplicates()["date"].dt.year.apply(...)只提取了唯一的日期值，然后赋值回整个DataFrame，导致同一id下的所有重复行都共享同一个转换后的日期，没有区分组内的行顺序和数量。而通过groupby().cumcount()我们可以精准追踪每组内的行位置，从而实现年份的递增。

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