如何用Pandas计算跨年度日期区间内各月份的天数？

实现思路 #

1. 先将StartDate和EndDate转换为Pandas的datetime类型，便于日期计算
2. 对每一行数据，生成从起始月份到结束月份的完整年月序列
3. 针对每个年月，分场景计算实际天数：
   • 起始月份：当月最后一天 - 起始日期 + 1天
   • 结束月份：结束日期 - 当月第一天 + 1天
   • 中间月份：直接取当月总天数

完整代码实现 #

import pandas as pd
from pandas.tseries.offsets import MonthEnd, MonthBegin

# 初始化示例数据
df = {'Id': ['1','2','3','4','5'],
      'Item': ['A','B','C','D','E'],
      'StartDate': ['2019-12-10', '2019-12-01', '2019-01-01', '2019-05-10', '2019-03-10'],
      'EndDate': ['2020-01-30' ,'2020-02-02','2020-03-03','2020-03-03','2020-02-02']
      }
df = pd.DataFrame(df,columns= ['Id', 'Item','StartDate','EndDate'])

# 转换日期列为datetime类型
df['StartDate'] = pd.to_datetime(df['StartDate'])
df['EndDate'] = pd.to_datetime(df['EndDate'])

# 定义函数拆分每个日期区间并计算每月天数
def split_date_range(row):
    start = row['StartDate']
    end = row['EndDate']
    # 生成所有涉及的年月（从起始月到结束月）
    months = pd.date_range(start=start.replace(day=1), end=end.replace(day=1), freq='MS')
    result = []
    for month in months:
        month_start = month
        month_end = month + MonthEnd(1)
        # 确定该月的实际起止日期
        actual_start = max(start, month_start)
        actual_end = min(end, month_end)
        # 计算天数
        days = (actual_end - actual_start).days + 1
        # 整理结果
        result.append({
            'Id': row['Id'],
            'Item': row['Item'],
            'YearMonth': month.strftime('%Y-%m'),
            'Days': days
        })
    return pd.DataFrame(result)

# 应用函数并合并最终结果
final_df = pd.concat(df.apply(split_date_range, axis=1).tolist(), ignore_index=True)
print(final_df)

输出示例 #

运行代码后会得到如下结构的结果：

关键细节说明 #

• pd.date_range自动处理跨年度的月份生成，无需手动判断年份切换
• MonthBegin和MonthEnd工具类可以精准获取每个月的首尾日期，避免手动计算月末天数的误差
• 通过max和min锁定每个月的实际有效日期区间，确保天数计算完全匹配原日期范围

内容的提问来源于stack exchange，提问作者Diego Gonzalez Avalos