Pandas中如何生成带滚动时间戳的逐行递增数值数据

不需要拆分生成数值序列、时间戳序列再做拼接，直接使用Pandas原生向量化运算即可高效实现，代码简洁且性能更优。

核心实现代码 #

import pandas as pd
import numpy as np
from pandas import Timestamp

# 初始基准数据
data = {
    'apple': {Timestamp('2020-01-01 00:00:00'): 10},
    'orange': {Timestamp('2020-01-01 00:00:00'): 20},
    'lemon': {Timestamp('2020-01-01 00:00:00'): 30}
}
df = pd.DataFrame.from_dict(data)

# 自定义配置参数
gen_row_num = 3  # 要生成的总行数
time_step = pd.DateOffset(years=1)  # 时间滚动步长，可替换为days=1、hours=2等任意时间偏移
value_increment = 10  # 每行数值的递增值，传等长列表可实现不同列不同递增幅度

# 生成新的时间索引
new_time_index = pd.date_range(
    start=df.index[0] + time_step,
    periods=gen_row_num,
    freq=time_step
)

# 广播计算所有递增值，无需逐行循环
new_data = df.iloc[0].to_numpy() + value_increment * np.arange(gen_row_num).reshape(-1, 1)

# 组装最终结果
result = pd.DataFrame(
    new_data.astype(int),
    index=new_time_index,
    columns=df.columns
)
result.index.name = 'date'

运行输出 #

执行代码后得到的结果和预期完全一致：

apple  orange  lemon
date                            
2021-01-01     10      20     30
2022-01-01     20      30     40
2023-01-01     30      40     50

方案优势 #

• 全向量化运算，无Python层显式循环，数据量较大时性能远高于逐行构造、多表拼接的实现
• 参数灵活可配：支持任意时间滚动粒度、任意递增步长，可快速适配不同生成规则
• 无多余中间步骤，不需要单独维护数值、时间戳两个独立DataFrame再做关联，逻辑链路更短，不易出错

内容的提问来源于stack exchange，提问作者codedancer