如何高效实现Pandas日期对象间插值？生成人员可用月份表格

你的原代码用iterrows()逐行迭代+反复concat的方式，在数据量大时效率极低——因为iterrows()本身是逐行遍历的低效操作，而且每次concat都会创建新的DataFrame对象，带来大量内存开销和时间消耗。

下面是两种基于Pandas原生优化的高效实现方案，完全避免循环，性能提升显著：

方法1：用apply生成日期列表 + explode展开 #

这种方法代码简洁，兼顾可读性和效率，适合中等数据量场景：

import pandas as pd

# 读取数据源（如果是Excel请替换为pd.read_excel）
data = pd.read_csv('Dataset.csv')

# 先将日期列转为datetime类型（确保后续日期运算正常）
data['Start Date'] = pd.to_datetime(data['Start Date'])
data['End Date'] = pd.to_datetime(data['End Date'])

# 为每行生成对应的月末日期列表
data['Month'] = data.apply(
    lambda row: pd.date_range(start=row['Start Date'], end=row['End Date'], freq='M').tolist(),
    axis=1
)

# 将列表展开为独立行，并重命名列名匹配需求
final = data.explode('Month')[['Project', 'Month']].rename(columns={'Project': 'Name'})

方法2：全向量化操作（性能最优） #

如果你的数据集非常大，推荐用这种完全无循环、无apply的方案，利用Pandas的向量化运算特性，效率达到最高：

import pandas as pd

data = pd.read_csv('Dataset.csv')
data['Start Date'] = pd.to_datetime(data['Start Date'])
data['End Date'] = pd.to_datetime(data['End Date'])

# 计算每个项目覆盖的月份总数
data['month_count'] = (
    (data['End Date'].dt.year - data['Start Date'].dt.year) * 12
    + data['End Date'].dt.month - data['Start Date'].dt.month
    + 1  # 包含起始月的计数
)

# 按月份数重复每行数据
expanded_data = data.loc[data.index.repeat(data['month_count'])]

# 为每行计算对应的月末日期
expanded_data['Month'] = (
    expanded_data['Start Date']
    + pd.DateOffset(months=expanded_data.groupby(level=0).cumcount())
).dt.to_period('M').dt.to_timestamp('M')

# 整理输出格式
final = expanded_data[['Project', 'Month']].rename(columns={'Project': 'Name'}).reset_index(drop=True)

关键优化点： #

• 避免了iterrows()的逐行遍历，改用Pandas内部优化的向量化/批量操作
• 去掉了反复concat的开销，改用explode或repeat一次性扩展数据
• 日期运算全部通过Pandas内置的日期偏移、时间序列方法完成，比手动循环生成更高效

内容的提问来源于stack exchange，提问作者Simon Joubert