无需for循环：为DataFrame生成startTime至endTime的日期范围列

方法一：numpy广播+分组映射（纯矢量化，效率最优） #

这种方法完全基于numpy和pandas的矢量化操作，彻底避开循环，适合大规模数据场景：

1. 先计算每行日期区间的总天数（包含首尾日期）：

import pandas as pd
import numpy as np

# 假设你的数据集存储在df中
df['days_diff'] = (df['endTime'] - df['startTime']).dt.days + 1

2. 利用广播机制生成所有日期：

# 重复每行的起始日期，次数等于区间天数
start_dates = np.repeat(df['startTime'].values, df['days_diff'])
# 生成每个日期对应的天数偏移量
offsets = np.concatenate([np.arange(n) for n in df['days_diff']])
# 计算完整的日期序列
all_dates = start_dates + np.array(offsets, dtype='timedelta64[D]')

3. 映射回原行并聚合为列表：

# 创建分组索引，对应原DataFrame的行号
group_ids = np.repeat(df.index, df['days_diff'])
# 按行分组聚合，生成每行的日期列表
date_lists = pd.Series(all_dates, index=group_ids).groupby(level=0).agg(list)
# 赋值到新列
df['temp'] = date_lists
# 可删除临时列days_diff
df.drop('days_diff', axis=1, inplace=True)

方法二：explode反向聚合（易理解，效率达标） #

如果觉得纯numpy广播的逻辑绕，也可以用这种更直观的方式，虽然用到apply但后续操作都是矢量化优化的，效率远高于纯for循环：

# 先通过apply生成每行的日期区间序列，再展开
expanded_df = df.assign(temp=df.apply(lambda x: pd.date_range(x['startTime'], x['endTime'], freq='D'), axis=1)).explode('temp')
# 按原行索引聚合回列表
df['temp'] = expanded_df.groupby(expanded_df.index)['temp'].agg(list)

结果验证 #

假设原始数据为：

df = pd.DataFrame({
    'startTime': pd.to_datetime(['2024-01-01', '2024-02-05']),
    'endTime': pd.to_datetime(['2024-01-03', '2024-02-07'])
})

处理后df['temp']的结果为：

0    [2024-01-01 00:00:00, 2024-01-02 00:00:00, 2024-01-03 00:00:00]
1    [2024-02-05 00:00:00, 2024-02-06 00:00:00, 2024-02-07 00:00:00]
Name: temp, dtype: object

内容的提问来源于stack exchange，提问作者Akshay Mitra