pandas按id与日期天维度分组时date列丢失问题解决咨询

问题原因 #

你当前的写法存在两个核心问题，直接导致date列丢失且存在数据统计风险：

• 分组时仅使用了临时生成的df['date'].dt.day序列作为分组键，该序列不属于DataFrame原有字段，仅包含1-31的日数字，pandas不会自动关联回原date列
• 仅用日数字分组会丢失年、月信息，跨月的同一天数据会被错误合并（例如2021-03-30和2021-04-30的记录会被分到同一组）
• sum聚合默认仅对数值类型字段生效，datetime类型的date列不会被纳入聚合计算范围，因此最终结果没有该字段

推荐解决方案 #

方案1：使用pd.Grouper按天分组（最简便） #

直接通过pd.Grouper指定按日期字段的天频率分组，会自动保留截断到天的date字段，无需额外生成中间列：

import pandas as pd

# 日期转换逻辑不变
df['date'] = df['date'].astype('datetime64[ns]')
# 按id+天维度分组求和，自动保留date字段
gdf = df.groupby(['id', pd.Grouper(key='date', freq='D')], as_index=False).sum()

返回结果中的date字段会自动统一为该组对应的日期（时间部分为00:00:00）。

方案2：自定义聚合同时保留原始日期 #

如果需要保留同组内的原始时间戳（比如取该id当天最早/最晚登录时间），可以使用agg自定义聚合规则：

gdf = df.groupby(['id', pd.Grouper(key='date', freq='D')], as_index=False).agg(
    # 保留该id当天最早的登录时间，也可替换为max取最晚时间
    login_time = ('date', 'min'),
    col1_sum = ('col1', 'sum'),
    col2_sum = ('col2', 'sum'),
    col3_sum = ('col3', 'sum')
)

内容的提问来源于stack exchange，提问作者aegis