如何基于日期条件拆分数据集行以适配PowerBI日报表？

PowerQuery 实现步骤 #

1. 加载数据到PowerQuery编辑器
   打开PowerBI导入数据集后，进入PowerQuery编辑器。
2. 添加自定义列生成日期序列
   添加自定义列，生成当前记录覆盖的所有日期列表：

   = List.Dates(Date.From([Date_Start]), Duration.Days(Date.From([Date_End]) - Date.From([Date_Start])) + 1, #duration(1,0,0,0))
   

   将该列命名为Date_List。
3. 展开日期列表
   点击Date_List列右侧的展开按钮，选择「展开到新行」，将每个日期拆分为单独行。
4. 计算每日实际时段
   添加两个自定义列，分别计算当日的起始和结束时间：
   • 每日起始时间：

     = if [Date_List] = Date.From([Date_Start]) then [Date_Start] else DateTime.From([Date_List])
     

   • 每日结束时间：

     = if [Date_List] = Date.From([Date_End]) then [Date_End] else DateTime.From([Date_List]) + #duration(0,23,59,59)
     

5. 整理字段
   保留原记录的业务字段，删除不需要的中间列后，关闭并应用到PowerBI模型。

Python Pandas 实现步骤 #

假设数据集已加载为DataFramedf，包含Date_Start、Date_End及其他业务字段：

1. 转换日期字段为datetime类型

   import pandas as pd
   import numpy as np
   
   df['Date_Start'] = pd.to_datetime(df['Date_Start'], format='%d/%m/%Y %I:%M:%S %p')
   df['Date_End'] = pd.to_datetime(df['Date_End'], format='%d/%m/%Y %I:%M:%S %p')
   

2. 生成日期范围并拆分记录
   创建包含所有覆盖日期的列，再展开为多行：

   df['date_range'] = df.apply(
       lambda x: pd.date_range(start=x['Date_Start'].floor('D'), end=x['Date_End'].floor('D'), freq='D'),
       axis=1
   )
   df = df.explode('date_range').reset_index(drop=True)
   

3. 计算每日时段
   通过条件判断生成当日的起始和结束时间：

   df['Daily_Start'] = np.where(
       df['date_range'] == df['Date_Start'].dt.floor('D'),
       df['Date_Start'],
       df['date_range']
   )
   df['Daily_End'] = np.where(
       df['date_range'] == df['Date_End'].dt.floor('D'),
       df['Date_End'],
       df['date_range'] + pd.Timedelta(days=1) - pd.Timedelta(seconds=1)
   )
   

4. 整理数据
   按需保留业务字段，删除原Date_Start、Date_End或date_range等中间列即可。

内容的提问来源于stack exchange，提问作者Rafa VR