基于时间窗口（未来/过去）为Pandas DataFrame创建新列

我来帮你搞定这个需求！你想要给每个ID的每一行标记未来指定时间窗口内e_1是否出现True，用一个时间增量列表来灵活控制窗口，对吧？下面是具体的实现步骤和代码，亲测好用～

第一步：准备数据并预处理 #

首先得把基础工作做扎实：确保日期列是datetime类型，并且数据按ID和日期排序，这样后续的时间窗口计算才准确。

import pandas as pd

# 模拟你的原始数据
data = {
    'ID': [1,1,1,2,2],
    'date': ['2016-02-01', '2016-02-02', '2016-02-03', '2016-02-01', '2016-02-02'],
    'e_1': [False, False, True, False, True]
}
df = pd.DataFrame(data)

# 把date列转为datetime格式，这一步是核心前提！
df['date'] = pd.to_datetime(df['date'])
# 按ID和日期排序，保证每个ID的时间序列是连续有序的
df = df.sort_values(['ID', 'date']).reset_index(drop=True)

第二步：定义时间增量列表 #

你可以根据需求灵活定义时间窗口，比如1天、2天、5天、1个月。这里要注意：天用Timedelta，月用DateOffset——因为月份的天数不固定，Timedelta处理不了这类可变时长的单位。

# 自定义时间增量列表，想加多少窗口都可以扩展
time_deltas = [
    pd.Timedelta(days=1),
    pd.Timedelta(days=2),
    pd.Timedelta(days=5),
    pd.DateOffset(months=1)  # 处理月份必须用DateOffset
]

第三步：编写分组处理函数 #

因为每个ID的时间序列是独立的，所以我们要按ID分组处理。这里用rolling时间窗口来实现，比逐行遍历效率高太多，适合大数据量场景：

def add_future_event_flags(group, deltas):
    # 先把组内数据按日期倒序排列，这样"未来"的行就跑到前面了
    group_sorted = group.sort_values('date', ascending=False)
    
    for delta in deltas:
        # 生成友好的列名，比如"future_1_day"、"future_1_month"
        if isinstance(delta, pd.Timedelta):
            col_name = f'future_{delta.days}_day{"s" if delta.days !=1 else ""}'
        elif isinstance(delta, pd.DateOffset):
            col_name = f'future_{delta.months}_month{"s" if delta.months !=1 else ""}'
        
        # 用时间窗口rolling，closed='left'表示排除当前行的日期（只看未来的时间）
        # any()检查窗口内是否有True出现
        future_flag = group_sorted['e_1'].rolling(
            window=delta, 
            closed='left', 
            on='date'
        ).any()
        
        # 把结果按原顺序放回原组
        group[col_name] = future_flag.sort_index(ascending=True).values
    
    return group

# 把函数应用到每个ID组
df_with_flags = df.groupby('ID').apply(add_future_event_flags, deltas=time_deltas).reset_index(drop=True)

第四步：查看最终结果 #

运行完上面的代码，你就得到了带标记列的DataFrame，结果大概是这样的：

一些关键注意事项 #

• 一定要确保date列是datetime类型，否则时间窗口计算会直接报错。
• 处理月份、季度这类不固定天数的时间单位，必须用pd.DateOffset，不能用pd.Timedelta。
• closed='left'参数是为了排除当前日期的记录，如果你想包含当前日期，可以改成closed='both'，根据你的实际需求调整。

内容的提问来源于stack exchange，提问作者nanounanue