Pandas如何在两个日期间按年份为DataFrame生成对应数据行

实现逻辑 #

针对每条记录，提取起始日期、结束日期的年份，生成两个年份之间所有整数年份的序列（包含首尾年份），再将年份序列拆分为多行，其余字段自动保留原记录值。

前置要求 #

先将两个日期列转换为pandas的datetime64类型，避免年份提取失败。

完整代码示例 #

import pandas as pd

# ----------------------
# 1. 数据准备（替换为你自己的DataFrame即可）
# ----------------------
df = pd.DataFrame({
    'record_id': [1, 2],
    'date_start': ['2018-01-01', '2022-03-15'],
    'date_end': ['2020-01-01', '2023-06-20'],
    'other_info': ['demo1', 'demo2']
})

# 转换日期列类型
df['date_start'] = pd.to_datetime(df['date_start'])
df['date_end'] = pd.to_datetime(df['date_end'])

# ----------------------
# 2. 核心处理逻辑
# ----------------------
# 为每条记录生成覆盖的年份列表
df['year'] = df.apply(
    lambda row: list(range(row['date_start'].year, row['date_end'].year + 1)),
    axis=1
)
# 拆分年份列表为多行，重置索引
df_expanded = df.explode('year', ignore_index=True)

效果验证 #

以上示例中，record_id=1的原始记录日期为2018-01-01到2020-01-01，处理后会生成3行数据，year列取值分别为2018、2019、2020，其余字段和原记录完全一致，匹配需求。

注意事项 #

• 若数据集规模超过100万行，apply写法性能会下降，可以换用numpy向量化运算优化，常规数据集下当前写法足够易用
• 处理前建议先校验数据，过滤date_start > date_end的异常记录，避免生成空年份列表导致记录丢失
• 若需要排除仅在1月1日出现的结束年份（比如2020-01-01不算入2020年），只需要把range的结束值从row['date_end'].year +1改成row['date_end'].year即可

内容的提问来源于stack exchange，提问作者kamal tanwar