如何在Python的Pandas DataFrame中为现有数据添加月份并沿用价格？

原始Pandas DataFrame数据如下：

需求：为每个年份生成1-12月的月初日期（格式示例：2017/01/01），对应的价格沿用该年份的价格，最终得到每个月一行的DataFrame。

以下提供两种可行的实现方法：

方法一：基于列表展开与字符串拼接 #

这种方法逻辑直观，适合快速生成指定格式的日期字符串：

import pandas as pd

# 构建原始DataFrame
df = pd.DataFrame({
    '年份': [2017, 2018, 2019],
    '价格': [200, 250, 300]
})

# 为每个年份生成1-12月的月份列表
df['月份'] = [list(range(1, 13)) for _ in range(len(df))]
# 将月份列表展开，每个月单独成一行
df = df.explode('月份')

# 拼接年份与月份，生成指定格式的日期字符串
df['年份'] = df.apply(lambda row: f"{row['年份']}/{row['月份']:02d}/01", axis=1)
# 移除临时的月份列并重置索引
df = df.drop('月份', axis=1).reset_index(drop=True)

# 查看结果
print(df.head())

关键步骤说明 #

• 生成月份列表：为每一行的年份绑定包含1-12的列表，让单个年份行对应12个月份。
• 展开行：explode方法将列表类型的列拆分为多行，此时每个年份会被拆分为12行，价格保持与原年份一致。
• 格式化日期：通过字符串格式化将年份和月份拼接成YYYY/MM/DD格式，row['月份']:02d确保月份以两位数展示。

方法二：基于Pandas日期工具生成 #

如果后续需要对日期做运算，推荐使用这种方法，直接生成datetime类型后再格式化：

import pandas as pd

df = pd.DataFrame({
    '年份': [2017, 2018, 2019],
    '价格': [200, 250, 300]
})

# 定义函数，为单个年份生成全年月初日期序列
def get_monthly_dates(year):
    return pd.date_range(start=f"{year}-01-01", end=f"{year}-12-01", freq='MS')

# 为每个年份生成日期序列并展开
df['日期'] = df['年份'].apply(get_monthly_dates)
df = df.explode('日期')

# 将datetime类型格式化为指定字符串，替换原年份列
df['年份'] = df['日期'].dt.strftime('%Y/%m/%d')
# 清理临时列并重置索引
df = df.drop('日期', axis=1).reset_index(drop=True)

# 查看结果
print(df.head())

关键步骤说明 #

• 生成日期序列：pd.date_range的freq='MS'参数指定生成每月第一天的日期，直接得到标准的datetime序列。
• 展开与格式化：同样通过explode拆分日期序列，再用dt.strftime将datetime类型转为指定格式的字符串。

内容的提问来源于stack exchange，提问作者FalloutATS21