如何在Python Pandas中扩展DataFrame生成每月1-31日的虚拟日期

步骤说明与代码实现 #

针对需求，可通过以下步骤实现：

1. 清理原始数据，保留唯一的id-年月属性组合
   由于同一id在同一月份的nps、target、nps_score字段值一致，先按id和年月分组，提取每组的唯一属性行。

2. 为每个年月生成1-31日的日期列表
   不管月份实际天数，直接生成该年月的1到31日日期字符串，确保保留所有日期行。

3. 展开日期列表并过滤目标范围
   将日期列表拆分为多行，再过滤掉不在2022-07-01至2023-10-31范围内的行。

完整代码如下：

import pandas as pd

# 原始数据
data = {
    'id': [1, 1, 2, 2, 3],
    'nps': [8, 8, 7, 7, 5],
    'target': [True, True, False, False, True],
    'nps_score': [0.56, 0.56, 0.6785, 0.6785, 0.44],
    'event_day': ['2023-02-15', '2023-02-22', '2023-06-10', '2023-06-20', '2022-02-11']
}

df = pd.DataFrame(data)

# 转换日期格式，提取年月维度去重
df['event_day'] = pd.to_datetime(df['event_day'])
df_unique = df.groupby(['id', df['event_day'].dt.to_period('M')])[['nps', 'target', 'nps_score']].first().reset_index()
df_unique.rename(columns={'event_day': 'year_month'}, inplace=True)

# 生成每个年月的1-31日日期字符串
def generate_daily_dates(period):
    year, month = period.year, period.month
    return [f"{year}-{month:02d}-{day:02d}" for day in range(1, 32)]

df_unique['event_day'] = df_unique['year_month'].apply(generate_daily_dates)

# 展开日期列表并清理冗余列
df_expanded = df_unique.explode('event_day').drop(columns='year_month')

# 过滤目标日期范围
start_bound = '2022-07-01'
end_bound = '2023-10-31'
df_final = df_expanded[(df_expanded['event_day'] >= start_bound) & (df_expanded['event_day'] <= end_bound)]

# 查看id=1的前5行结果示例
print(df_final[df_final['id'] == 1].head())

结果说明 #

• 运行后，df_final即为扩展后的DataFrame，每个id对应月份的1-31日都有一行数据，且保留对应的属性值。
• 原始数据中id=3的2022-02月份不在目标范围内，该行生成的所有日期都会被过滤。

内容的提问来源于stack exchange，提问作者dingaro