如何用Pandas按日期范围与类别分组汇总权重列？

这里提供一种基于Pandas向量化操作的高效实现，避免嵌套循环的性能损耗，核心思路是先展开每个批次对应的日期范围，再通过分组聚合完成汇总：

import pandas as pd

# 初始化原始数据
batches_data = {
    "XX001": {"category": "AAA", "start_day": pd.Timestamp("2022-01-06"), "end_day": pd.Timestamp("2022-01-14")},
    "XX002": {"category": "BBB", "start_day": pd.Timestamp("2022-01-08"), "end_day": pd.Timestamp("2022-01-12")},
    "XX003": {"category": "AAA", "start_day": pd.Timestamp("2022-01-07"), "end_day": pd.Timestamp("2022-01-09")},
}
batches = pd.DataFrame.from_dict(batches_data, orient="index").reset_index(names="batch")
batches["duration"] = (batches["end_day"] - batches["start_day"]).dt.days
batches["weight"] = 1 / batches["duration"]

# 1. 为每个批次生成对应的日期序列（匹配原逻辑：date < end_day，故排除end_day）
batches["date_range"] = batches.apply(
    lambda x: pd.date_range(start=x["start_day"], end=x["end_day"] - pd.Timedelta(days=1), freq="D"),
    axis=1
)

# 2. 展开日期序列，将每个日期与批次的类别、权重绑定
expanded_df = batches.explode("date_range").rename(columns={"date_range": "day"})

# 3. 按日期和类别分组，汇总权重
aggregated = expanded_df.groupby(["day", "category"])["weight"].sum().reset_index()

# 4. 转换为目标宽表格式，缺失值填充为0
result = aggregated.pivot(index="day", columns="category", values="weight").fillna(0)

# 可选：格式化小数位数匹配示例
result = result.round(4)

print(result)

关键步骤说明： #

• 展开日期范围：通过apply结合pd.date_range为每个批次生成对应日期序列，再用explode将列表型日期展开为逐行记录，全程是向量化操作，比手动循环高效数倍。
• 分组聚合：利用groupby(["day", "category"])直接按维度汇总权重，Pandas的分组逻辑经过底层优化，性能远优于逐行判断的循环。
• 重塑宽表：pivot将长表转换为目标的宽表结构，fillna(0)确保无权重的日期-类别组合显示为0，完全匹配需求格式。

性能优势： #

当数据量较大时（比如上百个批次、跨数月的日期范围），这种方法的性能提升会非常显著，彻底规避了嵌套循环中逐行逐日期判断的冗余操作，完全利用Pandas的向量化运算特性。

内容的提问来源于stack exchange，提问作者multipitch