pandas按分组循环填充2019年月度日期列的简便实现方法

问题背景 #

• 目标DataFrame按state（州）、district（区县）维度分组，每组固定包含12条月度观测记录
• 需求：新增日期列，每个州-区县组合按顺序匹配2019年1月到12月的月初日期，即从2019-01-01到2019-12-01按月循环
• 此前执行以下代码生成日期时触发报错：

pd.date_range(start='2019-01-01', end='2020-01-01', freq='M')

报错信息如下：

Length of values (12) does not match length of index (6876)

• 报错原因：单次生成的日期序列长度仅为12，和DataFrame总计6876行的索引长度不匹配
• 约束：不接受拆分小DataFrame逐组左连接日期的实现方式，需要简洁命令

实现代码 #

注意原代码中freq='M'生成的是每月月末日期，要获取月初日期需要使用频率参数freq='MS'（Month Start），完整实现仅需两行核心代码：

# 生成2019年12个月初日期的基准序列
base_dates = pd.date_range(start='2019-01-01', end='2019-12-01', freq='MS')

# 分组生成组内序号，直接映射对应日期赋值为新列
df['date'] = df.groupby(['state', 'district']).cumcount().map(base_dates)

逻辑说明 #

• groupby(['state', 'district']).cumcount()会为每个州-区县分组内的行按现有顺序生成从0到11的连续序号，和每组12条记录的结构完全对应
• 通过序号直接映射长度为12的基准日期序列，自动为每个分组按顺序匹配1-12月的对应日期，全表长度自动对齐，不会出现长度不匹配问题
• 无需拆分DataFrame、无需逐组拼接，执行效率高，代码简洁

内容的提问来源于stack exchange，提问作者Vivaan Gupta