如何将DataFrame中的周周期行拆分为多行日期记录

下面提供两种实用方法来完成需求：

方法一：从周周期生成每日日期 #

假设你已经得到了周均价的DataFrame（命名为weekly_avg），可以按以下步骤展开：

1. 先把周周期的索引转为列，方便后续处理
2. 为每个周周期生成包含该周所有日期的序列
3. 展开日期序列并整理结果

# 重置索引，将周period转为普通列
weekly_avg = weekly_avg.reset_index()
# 为每个周生成从周一到周六的日期序列（W-SAT表示周六为周结束日）
weekly_avg['daily_dates'] = weekly_avg['date'].apply(
    lambda p: pd.date_range(start=p.start_time, end=p.end_time, freq='D')
)
# 展开日期序列，并重命名列名
result = weekly_avg.explode('daily_dates').rename(columns={'daily_dates': 'date'})
# 保留需要的列并重置索引（可选）
result = result[['date', 'avg_price']].reset_index(drop=True)

方法二：关联原始数据的日期（更高效） #

如果你的原始DataFramedf还保留着所有每日的日期记录，可以直接通过关联的方式快速得到结果：

1. 给原始数据添加周周期标识列
2. 计算周均价后合并回原始数据

# 给原始数据添加周标识列，和你分组时的周期规则一致
df['week_period'] = df['date'].dt.to_period('W-SAT')
# 计算周均价（和你之前的代码逻辑一致）
weekly_avg = df.groupby('week_period')['price'].mean().rename('avg_price')
# 将周均价合并回原始数据，得到每个日期对应的周均价
result = df[['date']].merge(weekly_avg, left_on='week_period', right_index=True, how='left')
# 可选：如果原始数据有重复日期，执行去重
result = result.drop_duplicates(subset='date').reset_index(drop=True)

内容的提问来源于stack exchange，提问作者John Smith