如何在Python Pandas扩展DataFrame中添加航班日状态信息

现有包含航班信息的Pandas DataFrame（df1），其中DIAS_SEMANA列用数字1（周一）至7（周日）表示航班运行的星期几。通过自定义函数expand_date_ranges生成了扩展日期范围的DataFrame（df2），但df2中的DIA列缺失信息，需要填充YES或NO来标识该日期是否有对应航班，需用Python和Pandas高效实现。

给出的原始代码如下：

import pandas as pd
df1 = pd.DataFrame({
    'EMPRESA': ['AIR', 'LATAM'],
    'NUMERO_DE_VUELO': [901, 504],
    'DIAS_SEMANA': ['1237', '12'],
    'ORIGEN': ['SCL', 'LIM'],
    'DESTINO': ['MIA', 'PUQ'],
    'HORA_DESPEGUE': ['21:55', '18:55'],
    'INICIO_RANGO': ['03-jun-24', '04-jun-24'],
    'FINAL_RANGO': ['08-jun-24', '07-jun-24']
})

def expand_date_ranges(X):
    df_list = []

    for i in range(len(X)): 
        start_date = X.loc[i, 'INICIO_RANGO']
        end_date = X.loc[i, 'FINAL_RANGO']
        date_range = pd.date_range(start=start_date, end=end_date)

        for date in date_range: 
            day_of_week = date.weekday() + 1  # 周一=1，周日=7
            df_list.append({
                'FECHA': date,
                'DIA': '',
                'NUMERO_VUELO': X.loc[i, 'NUMERO_DE_VUELO'],
                'HORA': X.loc[i, 'HORA_DESPEGUE'],
                'ORIGEN': X.loc[i, 'ORIGEN'],
                'DESTINO': X.loc[i, 'DESTINO'],
                'LINEA_AEREA': X.loc[i, 'EMPRESA'],
                'DIA_SEMANA': day_of_week
            })

    df_expanded = pd.DataFrame(df_list)

    return df_expanded

期望结果：df2的DIA列根据对应航班的DIAS_SEMANA星期代码，填充YES（该日期有航班）或NO（无航班）。

方法一：修改生成函数，直接填充DIA列 #

在遍历日期的过程中，直接判断当前日期的星期数是否属于该航班的运行周期，生成df2时直接完成填充：

import pandas as pd
df1 = pd.DataFrame({
    'EMPRESA': ['AIR', 'LATAM'],
    'NUMERO_DE_VUELO': [901, 504],
    'DIAS_SEMANA': ['1237', '12'],
    'ORIGEN': ['SCL', 'LIM'],
    'DESTINO': ['MIA', 'PUQ'],
    'HORA_DESPEGUE': ['21:55', '18:55'],
    'INICIO_RANGO': ['03-jun-24', '04-jun-24'],
    'FINAL_RANGO': ['08-jun-24', '07-jun-24']
})

def expand_date_ranges(X):
    df_list = []

    for i in range(len(X)): 
        start_date = X.loc[i, 'INICIO_RANGO']
        end_date = X.loc[i, 'FINAL_RANGO']
        date_range = pd.date_range(start=start_date, end=end_date)
        flight_days = X.loc[i, 'DIAS_SEMANA']  # 获取当前航班的运行星期字符串

        for date in date_range: 
            day_of_week = str(date.weekday() + 1)  # 转字符串方便匹配
            # 判断当前星期是否在航班运行列表中
            dia_value = 'YES' if day_of_week in flight_days else 'NO'
            df_list.append({
                'FECHA': date,
                'DIA': dia_value,
                'NUMERO_VUELO': X.loc[i, 'NUMERO_DE_VUELO'],
                'HORA': X.loc[i, 'HORA_DESPEGUE'],
                'ORIGEN': X.loc[i, 'ORIGEN'],
                'DESTINO': X.loc[i, 'DESTINO'],
                'LINEA_AEREA': X.loc[i, 'EMPRESA'],
                'DIA_SEMANA': int(day_of_week)
            })

    df_expanded = pd.DataFrame(df_list)
    return df_expanded

# 生成结果
df2 = expand_date_ranges(df1)
print(df2)

方法二：生成df2后批量处理（高效版） #

如果已经生成了原始df2，可以通过合并df1的星期信息，用Pandas向量操作批量完成判断，避免循环，数据量大时效率更高：

# 先生成原始df2
df2 = expand_date_ranges(df1)

# 合并df1的DIAS_SEMANA列到df2
df2 = df2.merge(
    df1[['NUMERO_DE_VUELO', 'DIAS_SEMANA']],
    left_on='NUMERO_VUELO',
    right_on='NUMERO_DE_VUELO',
    how='left'
)

# 批量判断填充DIA列
df2['DIA'] = df2.apply(
    lambda row: 'YES' if str(row['DIA_SEMANA']) in row['DIAS_SEMANA'] else 'NO',
    axis=1
)

# 可选：清理临时列
df2 = df2.drop('DIAS_SEMANA_y', axis=1).rename(columns={'DIAS_SEMANA_x': 'DIA_SEMANA'})

print(df2)

核心逻辑说明 #

两种方法的核心都是：将日期对应的星期数（转为字符串）与航班DIAS_SEMANA字段的字符串进行匹配，存在则填YES，否则填NO。方法一逻辑直观适合小数据量，方法二利用Pandas原生操作，在大数据场景下性能更优。

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