You need to enable JavaScript to run this app. 如何在按Id、国家分组的pandas DataFrame中计算组内日期月份差
优惠活动
大模型
产品
解决方案
定价
更多

如何在按Id、国家分组的pandas DataFrame中计算组内日期月份差

分组内相邻日期的月份差计算方案

你当前用groupby().diff()得到的是带天粒度的Timedelta对象,直接除以30换算月份的方式确实会因为大小月、闰年的天数差异产生计算偏差,以下是可直接落地的精准计算方案:

核心实现逻辑

利用月维度的时间抽象计算差值,完全对齐自然月的统计规则,不受实际间隔天数、闰年、大小月影响。比如:

  • 2019-01-31 到 2019-02-01,月份差值为1
  • 2020-02-29(闰年)到2020-03-01,月份差值为1
  • 跨年份的2019-12-15到2020-01-10,月份差值为1

可直接运行的代码

第一步:清洗原始数据

你提供的原始CSV存在解析时多逗号导致的空列错位问题,先统一清洗成标准格式:

import pandas as pd
# 把date列从错位的解析结果里提取成标准datetime格式
df['date'] = pd.to_datetime(df['date'].astype(str).str.strip(','), errors='coerce')
# 移除date为空的无效行
df = df.dropna(subset=['date'])

第二步:按分组计算月份差

保证每个分组内的日期按时间正序排列后,计算相邻行的月份差:

# 按Id、country分组,组内按date升序排序
grouped_date = df.sort_values('date').groupby(['Id', 'country'])['date']

# 计算月维度相邻差值
df['monthdiff'] = grouped_date.transform(
    lambda s: (s.dt.to_period('M') - s.shift().dt.to_period('M')).map(lambda x: x.n)
)

大数据量场景的优化写法

如果数据量超过百万级,逐行lambda遍历效率偏低,可以用月序号直接做差的方式提升速度,全程为向量化操作无循环:

# 提取组内上一行的日期
df['prev_date'] = grouped_date.shift()
# 分别把当前日期、上一行日期转成累计月序号做差
df['monthdiff'] = (df['date'].dt.year*12 + df['date'].dt.month 
                   - df['prev_date'].dt.year*12 - df['prev_date'].dt.month)
# 清理临时列
df = df.drop(columns=['prev_date'])

注意事项

  • 计算前必须保证分组内的日期按时间升序排列,否则相邻行的时间顺序错乱会导致差值完全失真
  • 每个分组内的第一条记录因为没有前置相邻日期,对应的monthdiff会返回空值(NaN),属于符合预期的正常结果

内容的提问来源于stack exchange,提问作者Mato

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.03 09:15:10