如何用Pandas将单年月度值拆分扩展至多年度日度数据？

我需要获取1980-2020年范围的日度数据，目前仅拥有单一年份的数据。但在将该年份的日度值复制到其余年份时遇到问题，请问如何用Pandas实现这一操作？

初始处理代码 #

ETPc.index=pd.to_datetime(ETPc.index, format="%m")
ETPc=ETPc.reindex(pd.date_range(ETPc.index.min(), ETPc.index.max() + pd.offsets.MonthEnd(), name='date'),method='ffill')
ETPc=ETPc.div(ETPc.index.daysinmonth, axis=0).reset_index()

问题代码 #

years=pd.period_range(1980,2020, freq='Y')
myindex=(np.repeat(years,366).astype(str)+ETPc.index)
ETPc.index=myindex
for year in np.arange(1980,2020):
    if ~calendar.isleap(year):
        ETPc.drop(index=str(year)+'02-29',inplace=True)
ETPc.index=pd.to_datetime(ETPc.index,format='%Y%m-%d')

解决方案 #

直接通过月日匹配+日期范围生成的方式实现，无需手动处理闰年问题，步骤如下：

代码示例 #

import pandas as pd

# 确保原始数据的索引是日度日期格式（若未转换）
ETPc.index = pd.to_datetime(ETPc.index)

# 提取原始数据的「月-日」作为匹配键，重置索引方便后续合并
ETPc['month_day'] = ETPc.index.strftime('%m-%d')
ETPc = ETPc.reset_index(drop=True)

# 生成1980-2020年的完整日度日期范围
full_dates = pd.date_range(start='1980-01-01', end='2020-12-31', freq='D')
full_df = pd.DataFrame({'date': full_dates})

# 为新日期提取「月-日」，与原始数据合并填充对应值
full_df['month_day'] = full_df['date'].strftime('%m-%d')
# 替换成你的数据列名，比如ETPc的数值列是'ETP'就写['month_day', 'ETP']
full_df = full_df.merge(ETPc[['month_day', 'your_value_column']], on='month_day', how='left')

# 整理最终结果：设置日期为索引，清理冗余列
full_df = full_df.set_index('date').drop(columns=['month_day'])

方法优势 #

1. 自动处理闰年：pd.date_range会自动跳过非闰年的2月29日，无需循环判断删除，避免索引拼接错误
2. 逻辑简洁：通过「月-日」匹配直接映射数据，无需手动重复年份拼接索引
3. 稳定性高：避免了原代码中字符串拼接索引可能出现的格式问题

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