Pandas Grouper结合datetime对象的多维度分组异常问题

这个问题我之前也碰到过，核心原因是Pandas的pd.Grouper在多维度分组时的全局对齐特性，咱们一步步拆解：

先看数据背景 #

你的测试数据里：

• id=1的日期范围是2018-01-01到2018-01-10（共10天）
• id=2的日期范围是2018-01-11到2018-02-09（共30天）

为什么全局分组和单独分组结果不一样？ #

1. 全局多维度分组时的逻辑

当你用['id', pd.Grouper(key='dates', freq='7D')]做分组时，pd.Grouper的7天时间窗口是从整个DataFrame的最早日期（2018-01-01）开始统一划分的：

• 第一个窗口：2018-01-01 ~ 2018-01-07 → 只有id=1的7条数据
• 第二个窗口：2018-01-08 ~ 2018-01-14 → id=1占3条（01-08到01-10），id=2占4条（01-11到01-14）
• 后续窗口以此类推，所以id=2的首组自然只有4条数据，这是全局窗口对齐导致的。

2. 单独分组id=2时的逻辑

当你单独提取id=2的数据再分组时，pd.Grouper会以该子DataFrame的最早日期（2018-01-11）作为窗口起始点来划分7天周期：

• 第一个窗口：2018-01-11 ~ 2018-01-17 → 正好7条数据
• 后续每个窗口都是完整的7天，最后一组剩下2条，这就是你预期的结果。

解决办法：实现每个ID内独立按7天分组 #

要让每个ID的时间分组独立计算，需要用groupby('id')结合apply，让每个ID的子DataFrame单独处理时间分组：

import numpy as np
import pandas as pd

# 生成测试数据
df = pd.DataFrame(
 {'dates':pd.date_range('2018-1-1',periods=40,freq='D'),
 'id': np.concatenate((np.repeat(1,10),np.repeat(2,30))),
 'amount':np.random.random(40)
 }
)

# 每个ID内独立按7天分组的正确写法
result = (df.groupby('id')
          .apply(lambda sub_df: sub_df.groupby(pd.Grouper(key='dates', freq='7D'))['amount'].agg(['mean', 'count']))
          .reset_index(level=0)
          .set_index(['id', 'dates'])
)

print(result)

运行这段代码后，id=2的分组结果就会和你单独处理时的预期一致了。

内容的提问来源于stack exchange，提问作者user4505419