将月度均值DataFrame转换为十年日粒度时间序列

前提假设 #

你的月度均值DataFrame（记为monthly_df）的索引为1-12，分别对应1月至12月的均值数据。

实现步骤 #

1. 生成目标日期范围：创建2010年1月1日到2020年12月31日的所有日期序列。
2. 匹配月度数据：给每个日期提取所属月份，将对应的月度均值映射到每一天。
3. 整理最终结果：设置日期为索引，清理多余列，得到日粒度时间序列。

代码实现 #

import pandas as pd

# 1. 生成完整日期序列
date_range = pd.date_range(start='2010-01-01', end='2020-12-31', freq='D')

# 2. 创建日度DataFrame并提取月份
daily_df = pd.DataFrame({'date': date_range})
daily_df['month'] = daily_df['date'].dt.month

# 3. 合并月度均值数据
daily_df = daily_df.merge(monthly_df, left_on='month', right_index=True, how='left')

# 4. 调整结构：设置日期为索引，移除临时列
daily_df = daily_df.set_index('date').drop('month', axis=1)

补充说明 #

如果你的月度DataFrame索引是具体的年月（如2010-01）而非仅月份数字，只需修改提取月份的逻辑，改为提取年月标识后再匹配即可，示例代码如下：

# 假设月度DataFrame索引为YYYY-MM格式
daily_df['year_month'] = daily_df['date'].dt.to_period('M')
daily_df = daily_df.merge(monthly_df, left_on='year_month', right_index=True, how='left')
daily_df = daily_df.set_index('date').drop('year_month', axis=1)

内容的提问来源于stack exchange，提问作者spcol