创建可灵活调整的时间索引：按指定天数划分日期桶的方法求助

嗨，这个需求很常见，用Python的pandas就能轻松搞定！核心思路是计算每个日期与起始日期的天数差，再通过整数除法把它们分到对应的“桶”里，最后给每个桶分配从1开始的索引。

具体实现步骤 #

假设我们要按每3天分组（你可以随时改成4、5或其他天数），直接看代码：

import pandas as pd

# 1. 准备你的日期数据（这里用示例生成，实际可替换成你的数据集）
dates = pd.date_range(start='2024-08-01', end='2024-08-09')

# 2. 定义每组的天数
group_days = 3

# 3. 计算每个日期的时间索引
start_date = dates.min()  # 用日期序列的最早日期作为分组起点
day_diff = (dates - start_date).days  # 每个日期与起点的天数差
time_index = (day_diff // group_days) + 1  # 整除分组天数后加1，让索引从1开始

# 4. 查看格式化后的结果
result_df = pd.DataFrame({'日期': dates.strftime('%m/%d'), 'time_index': time_index})
print(result_df)

运行后输出会和你期望的完全一致：

日期  time_index
0  08/01           1
1  08/02           1
2  08/03           1
3  08/04           2
4  08/05           2
5  08/06           2
6  08/07           3
7  08/08           3
8  08/09           3

灵活调整的小技巧 #

• 自定义分组起始日：如果不想用日期序列的最早日期，比如想从2024-07-30开始分组，只需把start_date改成自定义日期：

  custom_start = pd.to_datetime('2024-07-30')
  day_diff = (dates - custom_start).days
  time_index = (day_diff // group_days) + 1
  

  这样07/30、07/31、08/01会被分到time_index=1，完美适配你的任意起始需求。

• 处理非连续日期：如果你的日期数据有缺失（比如中间跳过几天），这个方法依然有效，因为它只看每个日期与起始日的绝对天数差，不会受缺失值影响。

内容的提问来源于stack exchange，提问作者Arashi