如何用优雅高效的Pandas代码拆分季度营收至月度并重塑DataFrame

原始DataFrame #

import pandas as pd
df1 = pd.DataFrame({
    's_id': [18,23],
    'SUB':['Phy','Phy'],
    'Rev_Q1':[80,100],
    'Rev_Q2':[60,50],
    'Rev_Q3':[20,12],
    'Rev_Q4':[10,12]
})

需求 #

• 将每个季度的营收等额拆分到该季度的3个月份中（例如s_id=18的Rev_Q1值80，除以3后得到26.667，分配给1、2、3月）
• 将数据重塑为月度列转成行的格式

优雅高效实现方案 #

通过Pandas原生方法组合完成，避免冗余手动操作：

# 1. 把季度营收列转成长表，保留s_id和SUB作为标识列
melted = df1.melt(id_vars=['s_id', 'SUB'], var_name='Quarter', value_name='Rev')

# 2. 提取季度数字，生成对应季度的3个月份列表
melted['Quarter_num'] = melted['Quarter'].str.extract('Q(\d+)').astype(int)
melted['Month'] = melted['Quarter_num'].apply(lambda x: list(range(3*x-2, 3*x+1)))

# 3. 扩展行拆分月份，同时计算月度营收
result = melted.explode('Month').assign(Rev_Month=lambda x: x['Rev']/3).round(3)

# 4. 整理列顺序并排序
result = result[['s_id', 'SUB', 'Month', 'Rev_Month']].sort_values(['s_id', 'Month']).reset_index(drop=True)

输出结果示例 #

s_id  SUB  Month  Rev_Month
0     18  Phy      1      26.667
1     18  Phy      2      26.667
2     18  Phy      3      26.667
3     18  Phy      4      20.000
4     18  Phy      5      20.000
5     18  Phy      6      20.000
6     18  Phy      7       6.667
7     18  Phy      8       6.667
8     18  Phy      9       6.667
9     18  Phy     10       3.333
10    18  Phy     11       3.333
11    18  Phy     12       3.333
12    23  Phy      1      33.333
13    23  Phy      2      33.333
14    23  Phy      3      33.333
15    23  Phy      4      16.667
16    23  Phy      5      16.667
17    23  Phy      6      16.667
18    23  Phy      7       4.000
19    23  Phy      8       4.000
20    23  Phy      9       4.000
21    23  Phy     10       4.000
22    23  Phy     11       4.000
23    23  Phy     12       4.000

方案优势 #

• 全程使用Pandas原生方法，无需手动创建冗余列，代码简洁易维护
• melt+explode组合高效完成宽表转长表+行扩展操作
• 逻辑分层清晰，每一步对应需求环节，可读性强

内容的提问来源于stack exchange，提问作者The Great