Pythonic方式生成含人员月末年龄的DataFrame及建模咨询

我有一个包含人员名字、姓氏及出生日期的DataFrame：

import pandas as pd

data = [
    ["John",   "Wayne",   "13.12.2018"],
    ["Max",    "Muster",  "02.06.2016"],
    ["Steve",  "Black",   "11.04.2017"],
    ["Amy",    "Smith",   "10.10.2017"],
    ["July",   "House",   "08.05.2018"],
    ["Anna",   "Whine",   "20.08.2016"],
    ["Charly", "Johnson", "16.07.2016"],
]

people = pd.DataFrame(
    data,
    columns=["first", "last", "birthdate"],
)

people["birthdate"] = pd.to_datetime(people["birthdate"], format="%d.%m.%Y")

我希望生成另一个DataFrame，行与原DataFrame一致，列为一年中的各个月份，数据为对应月末人员的年龄。

当前实现方式如下：

# 生成所有月份的起始日期
months = pd.date_range("2022-01-01", "2022-12-01", freq="MS")

# 计算每个人的年龄
age = pd.DataFrame(data={"first": people["first"], "last": people["last"]})
for value in months:
    last_day_of_month = value + pd.offsets.MonthEnd()
    age[value.strftime("%b")] = (last_day_of_month - people["birthdate"]).astype(
        "timedelta64[Y]"
    )

该实现可正常运行，但想知道是否存在更Pythonic的实现方式。此外，作为Python和Pandas新手，还想咨询：在时间序列数据建模中，更适合将月份设为列还是行？是否有相关最佳实践？

可以利用Pandas的向量化操作替代循环，提升效率和代码简洁性：

import pandas as pd

# 直接生成2022年所有月末日期
month_ends = pd.date_range("2022-01-31", "2022-12-31", freq="M")

# 利用广播机制一次性计算所有人员与所有月末日期的年龄差
# 用365.25天计算更符合实际年龄（考虑闰年），取整得到整数年龄
age_matrix = (month_ends[None, :] - people["birthdate"][:, None]) / pd.Timedelta(days=365.25)
age_matrix = age_matrix.floor().astype(int)

# 合并姓名列与年龄矩阵，构造最终DataFrame
age_df = pd.concat(
    [people[["first", "last"]], 
     pd.DataFrame(age_matrix, columns=month_ends.strftime("%b"))],
    axis=1
)

关键优化点： #

• 直接生成月末日期，省去手动计算MonthEnd()的步骤
• 用广播机制替代循环，一次完成所有人员的年龄计算，效率更高
• 采用更精准的年龄计算方式，避免timedelta64[Y]在部分场景下的精度问题

没有绝对标准答案，核心看你的数据用途和分析场景：

• 月份设为列（宽表格式）：

  • 适合对比同一人员在不同月份的年龄变化，或做横向统计（比如单个人的年度年龄波动）
  • 优点：直观展示个体的时间维度特征，便于快速查看单条记录的全周期数据
  • 缺点：时间范围扩大（比如多年）时，列数会急剧增加，导致数据稀疏、难以维护

• 月份设为行（长表格式）：

  • 适合时间序列建模（如预测年龄变化、按月份聚合统计），或使用可视化工具做趋势分析
  • 优点：符合Tidy Data原则，便于分组聚合、时间窗口分析，扩展性更强（新增年份只需追加行）
  • 缺点：单条人员记录会被拆分为多行，查看个体全年数据需要额外筛选

最佳实践建议： #

1. 优先用长表格式作为基础存储，它适配绝大多数分析和建模场景，灵活性更高
2. 如果需要做横向对比或展示，可以用pivot方法将长表转为宽表
3. 当时间维度超过2年时，强烈推荐长表，避免宽表的列数膨胀问题

内容的提问来源于stack exchange，提问作者zemirco