Pandas 实战：基于分组与日期匹配批量标记“同月同码”记录-Python教程-PHP中文网

Pandas 实战：基于分组与日期匹配批量标记“同月同码”记录

本文介绍如何使用 Pandas 对数据按 Code 和标准化 Date 双重分组，识别同一代码下日期完全相同的行，并将 'Same_Month' 列统一设为 'Yes'，其余保持空白。

本文介绍如何使用 pandas 对数据按 `code` 和标准化 `date` 双重分组，识别同一代码下日期完全相同的行，并将 `'same_month'` 列统一设为 `'yes'`，其余保持空白。

在实际数据分析中，常需根据业务逻辑对重复模式进行标记——例如，当某 Code（如产品编码或客户编号）对应多条记录且其 Date 完全相同时，视为“同月同码”（尽管列名是 Same_Month，但题意实为“同日同码”），需批量打标。本教程提供简洁、高效、可复用的解决方案。

✅ 核心思路

不依赖 groupby().apply() 等低效循环，而是利用 向量化布尔索引：

统一解析 Date 为标准 datetime 类型（自动兼容多种格式）；
基于 ['Code', 'Date'] 联合判断重复项（keep=False 保留所有重复行）；
直接定位并赋值，零循环、高性能。

? 示例代码（完整可运行）

import pandas as pd

# 构建原始数据
df = pd.DataFrame([
    [1,'2023-01-02 00:00:00','01','2023',''],
    [2,'2023-01-02 00:00:00','01','2023',''],
    [3,'01/16/2023','01','2023',''],
    [4,'01/17/2023','01','2023',''],
    [5,'01/16/2023','01','2023',''],
    [6,'02/13/2023','02','2023',''],
    [7,'02/13/2023','02','2023',''],
    [8,'02/13/2023','02','2023',''],
    [9,'26/11/2018','11','2018',''],
    [10,'26/11/2018','11','2018',''],
    [11,'26/11/2018','11','2018',''],
    [12,'26/11/2018','11','2018',''],
    [13,'05/11/2018','11','2018',''],
    [14,'09/11/2018','11','2018',''],
], columns=['Number','Date','Code','year','Same_Month'])

# 步骤 1：安全解析日期（自动推断格式，兼容混杂输入）
df['Date'] = pd.to_datetime(df['Date'], format='mixed')

# 步骤 2：标记所有在相同 Code + 相同 Date 下出现 ≥2 次的行
duplicates = df.duplicated(['Code', 'Date'], keep=False)

# 步骤 3：批量赋值（仅更新满足条件的行，其余保持原值）
df.loc[duplicates, 'Same_Month'] = 'Yes'

# 查看结果（仅展示关键列便于验证）
print(df[['Number', 'Date', 'Code', 'year', 'Same_Month']])

⚠️ 注意事项

format='mixed' 是 Pandas 2.0+ 新增参数，若使用旧版本，请改用 infer_datetime_format=True 或显式指定格式（如 '%m/%d/%Y'）；
duplicated(..., keep=False) 是关键：它返回 True 表示该行属于一个重复组（而非仅后续重复项），确保整组都被标记；
原始 Same_Month 列若含非空字符串（如 'No'），上述代码不会覆盖——如需清空再赋值，可先执行 df['Same_Month'] = ''；
本方案严格匹配「日期完全相同」（精确到秒），若业务只需匹配年月，可改用 df['Date'].dt.to_period('M') 后分组。