基于Pandas生成日期区间内的日期计数DataFrame

前提准备 #

首先要确保原DataFrame的date列是datetime类型，否则无法正确生成连续日期范围：

import pandas as pd

# 构造原DataFrame
df = pd.DataFrame({
    'date': ['2022-02-01', '2022-02-03', '2022-02-01', '2022-02-04', '2022-02-27'],
    'column_1': ['val', 'val1', 'val', 'val2', 'val2'],
    'column_2': ['val2', 'val', 'val3', 'val', 'val4']
})

# 转换date列为datetime类型
df['date'] = pd.to_datetime(df['date'])

实现步骤 #

1. 生成完整日期范围
   从原数据的最小日期到最大日期，生成所有连续日期：

full_dates = pd.date_range(start=df['date'].min(), end=df['date'].max())

2. 统计原日期出现次数
   用value_counts统计每个日期在原DataFrame中的出现次数：

date_counter = df['date'].value_counts().rename('counter')

3. 合并并填充缺失值
   将完整日期序列转成DataFrame，和统计结果做左连接，把未出现的日期计数填充为0：

result = pd.DataFrame({'date': full_dates})
result = result.merge(date_counter, left_on='date', right_index=True, how='left')
# 填充缺失值为0，并转为整数类型
result['counter'] = result['counter'].fillna(0).astype(int)

最终输出 #

运行后result的结果完全符合需求：

内容的提问来源于stack exchange，提问作者Carola