如何基于DataFrame的start_month和close_month生成open_xxxx哑变量列

问题描述 #

现有如下结构的DataFrame：

需要生成格式为open_xxxxxx（如open_202302、open_202303）的哑变量列，取值规则：

• 案例在close_month的前一个月及之前处于开放状态时，对应月份列值为1，否则为0
• 示例：若start_month为2023-03、close_month为2023-05，则open_202303和open_202304的值为1

期望输出结果：

解决方案 #

步骤1：转换日期格式并生成目标月份列名 #

先将月份列转为周期类型（保留月份精度），再提取所有需要生成的哑变量列名：

import pandas as pd

# 构造输入DataFrame
df = pd.DataFrame({
    'case_id': ['A01', 'A02', 'A03', 'A04', 'A05'],
    'start_month': ['2023-02', '2023-02', '2023-03', '2023-03', '2023-04'],
    'close_month': ['2023-03', '2023-05', '2023-04', '2023-05', '2023-05']
})

# 转换为月份周期类型
df['start_month'] = pd.to_datetime(df['start_month']).dt.to_period('M')
df['close_month'] = pd.to_datetime(df['close_month']).dt.to_period('M')

# 生成所有目标月份的列名
all_months = pd.period_range(start=df['start_month'].min(), end=df['close_month'].max(), freq='M')
month_columns = [f'open_{m.strftime("%Y%m")}' for m in all_months]

步骤2：批量生成哑变量列 #

通过广播比较每个案例的月份区间与目标月份，生成1/0值：

for col in month_columns:
    # 提取列名中的目标月份
    target_month = pd.Period(col.split('_')[1], freq='M')
    # 判定条件：目标月份在start_month（含）到close_month（不含）之间
    df[col] = ((df['start_month'] <= target_month) & (target_month < df['close_month'])).astype(int)

步骤3：查看结果 #

执行后直接输出df即可得到预期结果：

print(df)

该方法避免了低效的循环，利用Pandas的向量化操作提升处理效率，适配大规模数据集场景。

内容的提问来源于stack exchange，提问作者Sang Nguyen