如何在Pandas DataFrame中计算收益报告日以来的天数

我来帮你搞定这个需求！你的目标是给DataFrame新增一列，记录每行日期距离最近一次Earnings Reported为1的天数，咱们先看看问题出在哪，再给出可行的解决方案。

先分析你原来的代码问题 #

你写的这段代码有两个明显的问题：

• 语法错误：groupby['Earnings Reported']应该写成groupby('Earnings Reported')（用括号而非方括号）
• 逻辑偏差：按Earnings Reported分组会把所有1和0分成两组，这完全不是我们需要的——我们要的是从每个收益报告日开始，到下一个报告日之前的连续行作为一组，来计算天数递增。

解决方案：两种可行方法 #

方法1：用分组标识+组内日期差

先把日期转成datetime类型（这一步很关键，不然没法计算天数），然后创建分组标识，最后在每个分组内计算当前日期与组内第一个日期（也就是收益报告日）的天数差：

import pandas as pd

# 构造你的原始DataFrame
data = {
    'Date': ['2018-04-02', '2018-04-03', '2018-04-04'],
    'Earnings Reported': [1, 0, 0]
}
df = pd.DataFrame(data)

# 第一步：将Date列转为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 第二步：创建分组标识——每次出现收益报告日，分组号+1
df['group_id'] = df['Earnings Reported'].cumsum()

# 第三步：对每个分组，计算当前日期与分组首个日期的天数差
df['DaySinceEarnings'] = df.groupby('group_id')['Date'].apply(lambda x: x - x.iloc[0]).dt.days

# 可选：删除临时的group_id列
df = df.drop('group_id', axis=1)

运行后得到的结果就是你想要的：

方法2：标记最近收益报告日（更简洁）

这种方法更直观：先给每行标记出最近的收益报告日，再直接计算日期差：

import pandas as pd

# 同样先构造并处理日期列
data = {
    'Date': ['2018-04-02', '2018-04-03', '2018-04-04'],
    'Earnings Reported': [1, 0, 0]
}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])

# 标记最近的收益报告日：仅在Earnings Reported为1时保留日期，其余用ffill向前填充
df['Last_Earnings_Date'] = df['Date'].where(df['Earnings Reported'] == 1).ffill()

# 计算天数差
df['DaySinceEarnings'] = (df['Date'] - df['Last_Earnings_Date']).dt.days

# 可选：删除临时列
df = df.drop('Last_Earnings_Date', axis=1)

这个方法不需要分组，代码更简洁，结果完全一致。

关键注意点 #

• 一定要确保Date列是datetime类型，否则无法计算日期差
• 如果你的DataFrame中有多个收益报告日（比如中间又出现1），这两种方法都会自动重置计数，完全适配多报告日的场景

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