按组扩展非平衡月度数据：补全分组内起止日期间的月末日期

问题描述 #

有一个包含月度数据的DataFrame示例如下：

df = pd.DataFrame({'date': ['2010-02-28', '2010-04-30', '2010-01-31', '2010-03-31'], 'group': ['A', 'A', 'B', 'B']})

需要为每个分组补全其自身起止日期之间的所有月末日期（各分组起止日期不同），但原代码执行后所有分组的起止日期一致，且new_date与group的组合存在重复：

df['new_date'] = df.apply(lambda x: pd.date_range(start='2010-01-31', end='2010-04-30', freq = 'M'), axis=1)
df = df.explode('new_date').reset_index(drop=True)

原代码问题分析 #

• 硬编码固定起止日期，未根据每个分组的实际数据计算专属范围，导致所有分组日期序列完全一致
• 原DataFrame每个分组包含两行数据，apply会为每一行生成完整日期序列，explode后自然出现重复的group+new_date组合

解决方案 #

先转换日期列为datetime类型，再按分组计算各自的起止日期，生成对应月末序列：

import pandas as pd

# 初始化数据
df = pd.DataFrame({'date': ['2010-02-28', '2010-04-30', '2010-01-31', '2010-03-31'], 'group': ['A', 'A', 'B', 'B']})
# 转换日期列为datetime类型，确保日期计算正常
df['date'] = pd.to_datetime(df['date'])

# 按分组生成专属的完整月末日期序列
result = df.groupby('group').apply(
    lambda group: pd.DataFrame({
        'group': group.name,
        'new_date': pd.date_range(start=group['date'].min(), end=group['date'].max(), freq='M')
    })
).reset_index(drop=True)

print(result)

输出结果 #

group   new_date
0     A 2010-02-28
1     A 2010-03-31
2     A 2010-04-30
3     B 2010-01-31
4     B 2010-02-28
5     B 2010-03-31

代码说明 #

• groupby('group')：按分组独立处理每个组的数据
• group['date'].min()/group['date'].max()：获取当前分组的实际起止日期，保证每个组的日期范围贴合自身数据
• pd.date_range(..., freq='M')：生成起止日期之间的所有月末日期，精准匹配月度数据需求
• reset_index(drop=True)：清理分组后产生的多级索引，得到结构整洁的最终结果

内容的提问来源于stack exchange，提问作者Warrior