如何用Python将周度ni数据拆分至每日并生成独立日期索引

注意你给出的示例中07-01-1995应为笔误（原始数据起始日期是07-31-1995），实际处理后会生成从每周一到当周周日的所有日期，并填充对应周的数值。以下是可行的代码方案：

步骤1：读取并预处理原始数据 #

首先读取bill.txt文件，解析日期和数值，确保日期格式正确转换为datetime类型（关键：指定格式为%m-%d-%Y，避免解析错误）。

import pandas as pd

# 读取文件，指定分隔符为冒号，自定义列名
df = pd.read_csv('bill.txt', sep=':', header=None, names=['date', 'value'])
# 转换日期为datetime类型，明确格式是月-日-年
df['date'] = pd.to_datetime(df['date'], format='%m-%d-%Y')
# 将日期设为DataFrame索引，方便后续时间序列操作
df = df.set_index('date')

步骤2：生成连续日期并填充数据 #

生成从第一个记录日期到最后一个记录日期后6天的每日连续日期（确保覆盖最后一周的所有天数），然后用**前向填充（ffill）**将每周一的数值填充至该周剩余天数。

# 生成连续每日日期范围
date_range = pd.date_range(start=df.index.min(), end=df.index.max() + pd.Timedelta(days=6), freq='D')
# 重新索引并前向填充数据
df_daily = df.reindex(date_range).ffill()

步骤3：导出为目标格式文件 #

将处理后的日期转回MM-DD-YYYY格式，以冒号分隔保存为新文件（比如daily_bill.txt）。

# 重置索引，恢复日期列为普通列
df_daily = df_daily.reset_index().rename(columns={'index': 'date'})
# 格式化日期为指定字符串格式
df_daily['date'] = df_daily['date'].dt.strftime('%m-%d-%Y')
# 导出文件，不保留索引和表头
df_daily.to_csv('daily_bill.txt', sep=':', index=False, header=False)

常见报错原因及解决 #

• 日期解析错误：未指定format='%m-%d-%Y'，pandas可能误将日期识别为日-月-年导致错误，必须明确格式。
• resample使用不当：若用resample('W').ffill()，默认周起始是周日，会导致数据周划分错误，需改为resample('W-MON').ffill()（但本方案用reindex+ffill更直接）。
• 索引类型错误：未将日期设为datetime索引就使用时间序列方法（如resample），会触发类型错误，必须先转换索引类型。

内容的提问来源于stack exchange，提问作者Help Me