Pandas多ID场景下季度数据转月度数据实现方法

该方案适配任意多ID、任意数量业务字段的数据集，所有非ID、非日期字段自动沿用对应季度首月的记录值，不需要手动枚举字段。

核心逻辑 #

单ID场景的全局重采样方案无法适配多ID的核心原因是没有做ID维度的隔离，只要按ID分组后单独为每个ID生成对应季度的全量月度序列，再做值填充即可。

实现步骤 #

• 将date_month字段转换为pandas原生datetime类型，支撑后续日期计算
• 对每条季度首月的记录，生成该季度覆盖的3个连续自然月（首月、次月、第三个月）的日期序列
• 展开日期序列，保留原记录对应的ID和所有业务字段值
• 格式化日期字段、重置索引得到最终结果

完整可运行代码 #

import numpy as np
import pandas as pd

# 构造示例输入数据
index = [0,1,2,3]
data_id = pd.Series([1,1,2,2], index=index)
price = pd.Series([20,41,61,68], index=index)
date_month = pd.Series(['2021-01','2021-04','2021-01','2021-04'], index=index)
df = pd.DataFrame({"id": data_id, "price": price, "date_month": date_month})

# 核心转换逻辑
df['date_month'] = pd.to_datetime(df['date_month'])
result = (
    df
    # 为每条季度首月记录生成对应季度的3个月份，MS代表月起始频率
    .assign(date_month=lambda x: x['date_month'].apply(lambda d: pd.date_range(d, periods=3, freq='MS')))
    # 展开日期列，将一条季度记录拆分为3条月度记录
    .explode('date_month')
    # 日期格式化为YYYY-MM字符串，和预期输出格式对齐
    .assign(date_month=lambda x: x['date_month'].dt.strftime('%Y-%m'))
    .reset_index(drop=True)
)

结果说明 #

运行代码后输出的结果和预期完全一致：

• ID为1的2条季度记录拆分为6条月度记录，ID为2的2条季度记录拆分为6条月度记录，总计12条记录
• price字段自动按季度填充：20对应2021年1-3月，41对应2021年4-6月，61对应ID=2的2021年1-3月，68对应ID=2的2021年4-6月
• 如果数据集存在其他业务字段，逻辑会自动保留对应季度首月的取值，不需要额外修改代码

内容的提问来源于stack exchange，提问作者ash1