pandas中如何基于时间仅修改同ID同列车分组的跨零点行日期

该需求完全可以通过pandas的分组遍历逻辑实现，无需依赖外部工具，且能100%匹配你给出的期望输出规则。

核心实现逻辑 #

按照你提出的规则，处理逻辑拆解为：

• 分组维度：严格按照ID和Train的取值划分同一条列车线路的记录组
• 跨天判断：组内按照表格原有的站序逐行对比时间，若当前行的时间早于上一行的时间（说明时间跨过了24:00零点），则将该行及后续所有同组记录的日期整体向后顺延1天
• 特殊边界：每组的第一行记录默认保留原始日期，哪怕时间落在零点后（对应你示例中ICE-342组Wien站00:35的记录不调整日期的规则）

完整可运行代码 #

import pandas as pd
# ----------------------
# 1. 数据预处理
# ----------------------
# 替换为你实际的DataFrame读取逻辑
df = pd.read_clipboard()
# 将原始日期字符串（日.月.年格式）转为可计算的datetime类型
df['Date'] = pd.to_datetime(df['Date'], format='%d.%m.%Y')
# 将时分格式的时间转为当日累计分钟数，用于跨天先后对比
df['Time_min'] = df['Time'].apply(lambda x: int(x.split(':')[0]) * 60 + int(x.split(':')[1]))
# ----------------------
# 2. 定义分组内跨天调整的处理函数
# ----------------------
def adjust_group_date(group):
    total_offset = 0  # 累计需要加的天数
    last_time = None  # 记录上一行的时间分钟值
    adjusted_date_list = []
    for _, row in group.iterrows():
        # 跳过组内第一行的跨天判断
        if last_time is not None:
            # 当前时间早于上一行时间，判定为跨零点，天数偏移+1
            if row['Time_min'] < last_time:
                total_offset += 1
        # 计算当前行调整后的日期
        adjusted_date = row['Date'] + pd.Timedelta(days=total_offset)
        adjusted_date_list.append(adjusted_date)
        # 更新上一行的时间记录
        last_time = row['Time_min']
    group['Adjusted_Date'] = adjusted_date_list
    return group
# ----------------------
# 3. 分组应用规则、整理输出格式
# ----------------------
# 按ID和Train分组应用调整逻辑
df = df.groupby(['ID', 'Train'], group_keys=False).apply(adjust_group_date)
# 将调整后的日期替换原Date列，转回原始的字符串格式
df['Date'] = df['Adjusted_Date'].dt.strftime('%d.%m.%Y')
# 删除临时辅助列
df = df.drop(columns=['Time_min', 'Adjusted_Date'])

注意事项 #

• 代码默认你当前DataFrame的行顺序就是列车的实际运行站序（从上到下对应从始发站到终点站的顺序），如果行序混乱，需要先按组内的站序排序后再执行调整逻辑，否则跨天判断会出错
• 对于运行时长超过24小时、存在多次跨零点的长距离列车，代码会自动累计对应顺延的天数，无需额外修改逻辑

内容的提问来源于stack exchange，提问作者user14976825