如何在Python中将周度DataFrame拆分为日度并合并均值数据

算力阿峰

2026-8-19

解决方案

步骤1：统一日期格式

先确保两个DataFrame的日期列转换为datetime类型，这是后续日期处理的基础：

import pandas as pd

# 转换dataframe_1的日度日期列
dataframe_1['date'] = pd.to_datetime(dataframe_1['date'])
# 转换dataframe_2的周度日期列（假设列名为week_date，代表周起始/结束日）
dataframe_2['week_date'] = pd.to_datetime(dataframe_2['week_date'])

步骤2：将周度数据拆分为日度

为每条周度记录生成对应的7天日期序列，拆分后将周均值cinema_generals直接填充到每一天：

# 为每周生成连续7天的日期序列
dataframe_2['daily_dates'] = dataframe_2['week_date'].apply(
    lambda x: pd.date_range(start=x, periods=7, freq='D')
)

# 拆分日期序列为单独行，并重命名日期列
daily_df2 = dataframe_2.explode('daily_dates').rename(columns={'daily_dates': 'date'})

# 移除原周度日期列（可选操作）
daily_df2 = daily_df2.drop('week_date', axis=1)

步骤3：合并到日度DataFrame

通过日期（若存在影院ID等分组维度则同时匹配该维度）将拆分后的周度数据合并到dataframe_1：

# 基础版：仅按日期合并
merged_df = pd.merge(
    dataframe_1,
    daily_df2[['date', 'cinema_generals']],
    on='date',
    how='left'  # 保留dataframe_1所有日度记录
)

# 带分组维度版（如存在cinema_id）
merged_df = pd.merge(
    dataframe_1,
    daily_df2[['cinema_id', 'date', 'cinema_generals']],
    on=['cinema_id', 'date'],
    how='left'
)

关键注意事项

周起始日验证：确认dataframe_2中week_date的定义（如周一/周日作为周起始），若需调整日期范围，可修改pd.date_range的start参数（例如start=x - pd.Timedelta(days=6)表示以week_date为周日，生成周一到周日的序列）
缺失值处理：若dataframe_1存在daily_df2未覆盖的日期，合并后cinema_generals会出现NaN，可根据业务需求用ffill()/bfill()或固定值填充
分组维度一致性：若数据按影院、区域等维度分组，需确保拆分和合并时同步匹配这些维度，避免数据错位