如何使用Python/pandas创建包含连续停留日期的日期列

核心逻辑是先按Id分组拿到每个分组的日期区间起点（到达日期）和终点（该组最晚停留日期），再生成区间内的连续日期序列展开为单行单条记录即可，全程使用pandas内置方法实现，性能远高于逐行循环写法。

完整代码 #

首先确保日期列已转换为datetime类型，这是pandas做日期运算的前提：

import pandas as pd

# ----------------------
# 实际使用时替换为读取自有数据的逻辑
# df = pd.read_csv("your_data.csv")
# 以下为示例数据构造，复现测试可直接运行
df = pd.DataFrame({
    'Id': [1,1,1,2,2],
    'd_of_arr': ['2021-12-03']*3 + ['2021-12-09']*2,
    'd_of_sty': ['2021-12-04','2021-12-05','2021-12-06','2021-12-10','2021-12-11']
})
# ----------------------

# 转换日期列为标准datetime格式
df[['d_of_arr', 'd_of_sty']] = df[['d_of_arr', 'd_of_sty']].apply(pd.to_datetime)

# 按Id分组，取每个组的到达日期（同组Id到达日期一致，取first即可）、最大停留日期作为区间端点
date_ranges = df.groupby('Id', as_index=False).agg(
    arr_date = ('d_of_arr', 'first'),
    max_stay_date = ('d_of_sty', 'max')
)

# 为每个分组生成按天连续的日期序列
date_ranges['dates'] = date_ranges.apply(
    lambda row: pd.date_range(start=row['arr_date'], end=row['max_stay_date'], freq='D'),
    axis=1
)

# 展开日期序列为单独行，得到最终结果
result = date_ranges[['Id', 'dates']].explode('dates', ignore_index=True)

运行后result的输出和预期效果完全一致：

可选调整项 #

• 如果同个Id下存在多个不同的到达日期，把聚合时arr_date的聚合规则从first改成min，会自动取最早的到达日期作为序列起点
• 如果需要输出字符串格式的日期而非datetime类型，最后追加一行代码即可：

  result['dates'] = result['dates'].dt.strftime('%Y-%m-%d')
  

• 如果不需要按天连续，比如要隔1天生成一个日期，把pd.date_range里的freq='D'改成freq='2D'即可，其他频率规则可直接使用pandas支持的日期偏移别名。

内容的提问来源于stack exchange，提问作者learner