基于日期列表为DataFrame地点新增不存在日期行，不复制非必要列

现有一个包含lon、lat、datetime、others四列的Pandas DataFrame，其中datetime和others列部分行值为NaN。已生成对应每个（lon, lat）地点的日期子列表，子列表元素数量≥该地点现有日期数。需求是为每个地点的新增日期添加行，但不复制others这类非必要列。

示例代码与初始数据 #

# 创建初始DataFrame
d = {'lon': [100, 100, 120], 'lat': [50, 50, 60]}
df = pd.DataFrame(data=d)
df = pd.concat([df, pd.DataFrame(columns=['datetime', 'others'])])

df.loc[0, 'datetime'] = '2000-09-09'
df.loc[1, 'datetime'] = '1999-09-09'
df.loc[0, 'others'] = 'notes1'
df.loc[1, 'others'] = 'notes2'

# 每个地点对应的目标日期列表（子列表元素数≥该地点现有日期数）
datetimes = [['2023-05-17', '2023-05-02', '2023-04-28', '2000-09-09', '1999-09-09'],
             ['2023-06-01'],
             ]

初始DataFrame：

lon    lat     datetime  others
0  100.0  50.0  2000-09-09  notes1
1  100.0  50.0  1999-09-09  notes2
2  120.0  60.0         NaN     NaN

期望结果 #

lon    lat     datetime  others
0  100.0  50.0  2023-05-17     NaN
1  100.0  50.0  2023-05-02     NaN
2  100.0  50.0  2023-04-28     NaN
3  100.0  50.0  2000-09-09  notes1
4  100.0  50.0  1999-09-09  notes2
5  120.0  60.0  2023-06-01     NaN

直接用explode会复制所有列，不符合需求，换个思路：先生成包含所有目标日期的基础数据，再和原数据合并保留原有others值。

import pandas as pd

# （初始DataFrame和datetimes列表代码同上，这里省略）

# 1. 提取所有唯一的（lon, lat）地点
locations = df[['lon', 'lat']].drop_duplicates().reset_index(drop=True)

# 2. 为每个地点绑定对应的日期列表，展开成全量日期行（此时只有地点和日期列）
locations['datetime'] = datetimes
full_dates_df = locations.explode('datetime', ignore_index=True)

# 3. 左合并原DataFrame的有效（地点+日期+others）数据，新增日期自动补NaN
result_df = full_dates_df.merge(
    df[['lon', 'lat', 'datetime', 'others']],
    on=['lon', 'lat', 'datetime'],
    how='left'
)

# 输出结果
print(result_df)

步骤说明 #

• 第一步先拿到所有不重复的地点，避免重复处理同一个位置。
• 第二步给每个地点绑定对应的日期列表，用explode展开成每行一个日期，这时候只有lon、lat、datetime三列，不会带others。
• 第三步用左合并，把原DataFrame中已经存在的（地点+日期）对应的others值匹配过来，新增的日期因为原数据里没有，others自然就是NaN，完美符合要求。

内容的提问来源于stack exchange，提问作者zxdawn