Pandas实现：填充起始月至终止月间的月度报表（不含终止月）

针对百万级别的DataFrame，绝对不要用循环，效率会极低。用Pandas的矢量化操作+日期序列生成+展开的方式，能高效完成需求：

步骤1：准备数据与日期格式转换 #

首先把原始的月份字符串转成Pandas可处理的datetime类型，统一为当月第一天：

import pandas as pd

# 假设你的原始数据已经读入为df
df = pd.DataFrame({
    'contract': ['Id1', 'Id2'],
    'start month': ['Jan 2023', 'Feb 2023'],
    'break month': ['Apr 2023', 'Feb 2023']
})

# 转换日期列，解析"Jan 2023"格式为datetime
df['start_dt'] = pd.to_datetime(df['start month'], format='%b %Y')
df['break_dt'] = pd.to_datetime(df['break month'], format='%b %Y')

步骤2：生成月份序列并展开 #

利用pd.date_range生成每个合同对应的月份区间（包含起始月、不含终止月），再用explode把序列拆成单行：

# 为每个合同生成月份序列，仅保留起始月早于终止月的情况
df['report_dates'] = df.apply(
    lambda x: pd.date_range(start=x['start_dt'], end=x['break_dt'], freq='MS') 
    if x['start_dt'] < x['break_dt'] else pd.Series(dtype='datetime64[ns]'),
    axis=1
)

# 展开序列并过滤空值（对应起始=终止的合同）
expanded_df = df.explode('report_dates').dropna(subset=['report_dates'])

步骤3：整理输出格式 #

把日期转回要求的文本格式，添加flag列，保留需要的字段：

# 转换日期为"Jan 2023"格式
expanded_df['report date'] = expanded_df['report_dates'].dt.strftime('%b %Y')
# 添加flag列
expanded_df['flag'] = 1
# 筛选最终需要的列并重置索引
final_df = expanded_df[['contract', 'report date', 'flag']].reset_index(drop=True)

最终输出 #

运行后final_df的结果就是你要的格式：

性能说明 #

这种方法完全基于Pandas的内置矢量化操作，避免了Python层面的循环，处理200万行数据的效率会比循环高几个数量级，能在合理时间内完成计算。

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