如何使用Pandas或Numpy按月份拆分DataFrame中的日期范围

我有一个包含事件（A、B、C）的DataFrame，每个事件对应一组开始日期和结束日期，需要将这些跨月的日期范围按所属月份拆分。

示例数据 #

import pandas as pd

data = {'Name': ['A', 'B', 'C'], 'Start_time': ['2017-12-15', '2017-12-15', '2017-12-15'], 'End_time': ['2018-01-17', '2017-12-22', '2018-05-22']}
df = pd.DataFrame(data)

原始DataFrame：

预期结果 #

拆分后的DataFrame：

解决方案 #

通过以下步骤实现拆分：

1. 转换日期列为datetime类型，方便日期运算
2. 生成每个事件覆盖的所有月份的起始日期序列
3. 对每个月份计算对应的实际起止日期（不超出原事件的时间范围）
4. 展开结果并整理为最终DataFrame

代码实现 #

import pandas as pd
from pandas.tseries.offsets import MonthEnd

# 1. 转换日期格式为datetime
df['Start_time'] = pd.to_datetime(df['Start_time'])
df['End_time'] = pd.to_datetime(df['End_time'])

# 2. 定义拆分函数：处理单条事件的跨月拆分
def split_monthly(row):
    # 获取事件覆盖的所有月份的第一天（freq='MS'表示每月起始）
    month_starts = pd.date_range(start=row['Start_time'].replace(day=1), end=row['End_time'], freq='MS')
    split_results = []
    for month_start in month_starts:
        # 获取当月最后一天，自动适配不同月份的天数
        month_end = month_start + MonthEnd(1)
        # 计算当前拆分段的实际起始/结束日期
        actual_start = max(row['Start_time'], month_start)
        actual_end = min(row['End_time'], month_end)
        split_results.append({
            'Events': row['Name'],
            'Start_date': actual_start,
            'End_date': actual_end
        })
    return split_results

# 3. 应用函数并展开结果
result = df.apply(split_monthly, axis=1).explode()
result = pd.DataFrame(result.tolist()).reset_index(drop=True)

# 可选：将日期格式化为字符串
result['Start_date'] = result['Start_date'].dt.strftime('%Y-%m-%d')
result['End_date'] = result['End_date'].dt.strftime('%Y-%m-%d')

print(result)

代码说明 #

• pd.date_range生成事件覆盖的所有月份的第一天，确保不遗漏任何中间月份
• MonthEnd(1)自动计算当月最后一天，无需手动处理2月、30天月份等特殊情况
• max/min函数保证拆分后的日期范围严格在原事件的起止时间内
• explode()将每个事件生成的拆分列表展开为独立行

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