在Pandas中按ex_one分组实现日期min/max及计数聚合

没问题，我来帮你实现这个需求——按ex_one列分组后，给原DataFrame的每一行添加上对应分组的最大日期、最小日期以及分组出现次数。下面是具体的步骤和代码：

第一步：确保日期字段类型正确 #

首先要把fake_date转换成datetime类型，这样才能正确计算日期的最大值和最小值：

import pandas as pd

# 构造你的示例DataFrame
data = {
    'ex_one': [228055, 228056, 228050, 228055, 228059],
    'ex_two': [231908, 228899, 230029, 230564, 230548],
    'weight': [1, 1, 1, 1, 1],
    'fake_date': ['2004-12-17', '2000-02-26', '2003-01-27', '2001-07-25', '2002-05-04']
}
df = pd.DataFrame(data)

# 转换日期类型（如果你的数据已经是datetime类型，可以跳过这一步）
df['fake_date'] = pd.to_datetime(df['fake_date'])

第二步：用transform添加聚合字段 #

这里用groupby结合transform方法，它的核心优势是能把分组后的聚合结果映射回原DataFrame的每一行，完美保留原有的所有列数据：

# 计算每个分组的最大日期
df['max_date'] = df.groupby('ex_one')['fake_date'].transform('max')
# 计算每个分组的最小日期
df['min_date'] = df.groupby('ex_one')['fake_date'].transform('min')
# 计算每个分组的出现次数（频率）
df['frequency'] = df.groupby('ex_one')['ex_one'].transform('count')

最终结果 #

运行上面的代码后，你会得到完全符合预期的目标DataFrame：

ex_one  ex_two  weight  fake_date   max_date   min_date  frequency
0  228055  231908       1 2004-12-17 2004-12-17 2001-07-25          2
1  228056  228899       1 2000-02-26 2000-02-26 2000-02-26          1
2  228050  230029       1 2003-01-27 2003-01-27 2003-01-27          1
3  228055  230564       1 2001-07-25 2004-12-17 2001-07-25          2
4  228059  230548       1 2002-05-04 2002-05-04 2002-05-04          1

可以看到，ex_one=228055的分组对应的max_date是2004-12-17，min_date是2001-07-25，frequency是2，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者lpt