如何实现特定日期区间内的数据外推与重复映射？

原始数据：

start        end        nominal
1   8/23/2021   9/15/2021   10000
2   9/1/2021    9/15/2021   100500
3   9/2/2021    9/15/2021   30000
4   9/3/2021    9/15/2021   2200

需要转换为以下格式：生成从start列最早日期到end列最晚日期的连续日期序列，将每条数据的nominal值（示例中为原数值除以10）映射到对应的日期区间内：

date                  1       2       3      4      
2021-08-23 00:00:00 1000                    
2021-08-24 00:00:00 1000                    
...
2021-09-15 00:00:00 1000    10050   3000    2200        

可以用Pandas的日期序列生成、区间匹配和透视表实现，步骤如下：

1. 数据预处理
   将日期列转为datetime类型，同时按示例要求处理nominal值：

import pandas as pd

# 加载原始数据
data = {
    'start': ['8/23/2021', '9/1/2021', '9/2/2021', '9/3/2021'],
    'end': ['9/15/2021', '9/15/2021', '9/15/2021', '9/15/2021'],
    'nominal': [10000, 100500, 30000, 2200]
}
df = pd.DataFrame(data, index=[1,2,3,4])

# 转换日期格式，处理数值（示例中nominal除以10）
df['start'] = pd.to_datetime(df['start'])
df['end'] = pd.to_datetime(df['end'])
df['value'] = df['nominal'] // 10

2. 生成连续日期序列
   确定日期范围，生成每日连续序列：

min_date = df['start'].min()
max_date = df['end'].max()
date_range = pd.date_range(start=min_date, end=max_date, freq='D')
date_df = pd.DataFrame({'date': date_range})

3. 匹配区间并透视成目标格式
   为每条原始数据匹配对应日期区间，再通过透视表转换结构：

# 展开每条数据对应的日期行
expanded_rows = []
for idx, row in df.iterrows():
    # 筛选当前数据覆盖的日期
    mask = (date_df['date'] >= row['start']) & (date_df['date'] <= row['end'])
    temp = date_df[mask].copy()
    temp['id'] = idx
    temp['value'] = row['value']
    expanded_rows.append(temp)

# 合并所有行并透视
combined_df = pd.concat(expanded_rows, ignore_index=True)
result = combined_df.pivot(index='date', columns='id', values='value').fillna('')

# 调整格式：去掉列名标签、格式化日期显示
result.columns.name = None
result.index = result.index.strftime('%Y-%m-%d 00:00:00')

4. 输出结果

print(result.to_string())

运行后即可得到目标格式的输出。

内容的提问来源于stack exchange，提问作者bella