本文介绍如何使用 pandas 按分组高效计算日期列中最大与最小时间戳的差值（单位：天），涵盖类型转换、聚合策略及性能注意事项，并提供两种推荐实现方式。
本文介绍如何使用 pandas 按分组高效计算日期列中最大与最小时间戳的差值（单位：天），涵盖类型转换、聚合策略及性能注意事项，并提供两种推荐实现方式。
在数据分析中，常需统计每个分组内时间跨度（例如用户活跃周期、任务执行时长等）。给定一个含 group 和 date 列的 DataFrame，目标是为每组计算 max(date) - min(date) 的天数差，并以新列 date_diff 输出。
首先，必须确保 date 列为 datetime64[ns] 类型，否则无法进行时间运算：
import pandas as pd df['date'] = pd.to_datetime(df['date'])
✅ 推荐方法一（高效、可读性强）：使用 agg(['min', 'max']) 获取极值后计算差值
该方法先按 group 分组，对 date 列同时聚合最小值和最大值，生成中间 DataFrame；再通过 assign() 计算差值并提取 .dt.days，最后重置索引：
out = (df.groupby('group')['date']
.agg(['min', 'max'])
.assign(date_diff=lambda x: x['max'].sub(x['min']).dt.days)['date_diff']
.reset_index())
✅ 推荐方法二（简洁但慎用于大数据）：直接在 agg() 中使用 lambda
适用于逻辑简单、数据量适中的场景，代码更紧凑，但因每次调用均需独立计算 max() 和 min()，在大型 DataFrame 上性能略低：
out = (df.groupby('group')['date']
.agg(lambda x: (x.max() - x.min()).days)
.reset_index(name='date_diff'))
⚠️ 注意事项：
- 若原始 date 列含缺失值（NaT），min()/max() 默认会自动跳过；如需保留空组结果，可添加 min_count=1 参数（Pandas ≥ 1.3）；
- .dt.days 返回的是 timedelta64[ns] 的整数天数，不包含小时/分钟部分；若需精确到秒，可用 .dt.total_seconds() // 86400；
- 避免对未转为 datetime 的字符串列直接运算——否则会触发 TypeError 或隐式错误转换。
最终输出结构清晰、类型安全，可直接用于后续分析或可视化。
