Pandas执行groupby按date分组未生效，相同日期返回多行结果

问题根因 #

pandas对分组键的判定基于对象类型、值、附加属性的整体匹配，而非打印出的字符串展示。你遇到的同日期未合并的情况，本质是看起来完全一致的date值，在pandas的判定逻辑里属于不同的分组键，常见触发场景：

• 分组键类型混用：date列中同时存在Python原生datetime.date对象和pandas的Timestamp对象。二者打印输出的日期字符串完全一致，但属于不同数据类型，计算哈希时会得到不同结果，被拆为独立分组。
• 时区属性差异：哪怕是同类型的日期对象，只要附带的时区参数不同，即便展示的本地日期值一致，也会被判定为不同分组。
• 重复值校验逻辑疏漏：你确认“不存在重复值”时仅通过肉眼对比打印的字符串，没有统计实际的唯一值数量，这类对象层面的差异肉眼无法识别。

问题验证方法 #

直接运行以下代码即可定位具体原因：

# 统计date列中各元素的实际类型分布
print(loc_coverage['date'].apply(type).value_counts())
# 计算date列的实际唯一值数量，对比预期的日期数
print(loc_coverage['date'].nunique())
# 查看每个date值的哈希值，同日期哈希不同就会被分到不同组
print(loc_coverage['date'].apply(hash).value_counts())

如果结果显示存在2种及以上类型、或实际唯一值数量大于你预期的1、或哈希值分成多类，即可确认上述问题。

修复方案 #

1. 统一date列的类型，从根源避免不同日期对象混用：

# 全列转为统一的Python date对象
loc_coverage['date'] = pd.to_datetime(loc_coverage['date']).dt.date
# 也可以直接使用pandas原生datetime64类型，处理性能更优，无需额外转换为date对象
# loc_coverage['date'] = pd.to_datetime(loc_coverage['date'])
loc_coverage2 = loc_coverage.groupby('date').min()

2. 如果是时区属性导致的分组差异，统一清除时区后再执行分组：

loc_coverage['date'] = pd.to_datetime(loc_coverage['date']).dt.tz_localize(None)
loc_coverage2 = loc_coverage.groupby('date').min()

3. 若date列是分类（Categorical）类型，groupby时加上observed=True参数，避免未使用的空分类被强制输出为多余行。

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