如何对含多升级日期列的Pandas DataFrame按月重采样生成月度状态表

1. 核心实现逻辑 #

• 先将原始数据的升级日期统一转换为当月首日，方便后续比较
• 生成指定时间范围的月度序列，与所有key做笛卡尔积，得到每个key对应所有月份的全量行
• 逐行判断当前月份是否晚于升级日期的当月首日，是则标记为1，否则为0，NaT统一标记为0

2. 完整可运行代码 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'key': ['key1', 'key2'],
    'date_upgrade1': pd.to_datetime(['2020-07-31', '2020-05-31']),
    'date_upgrade2': pd.to_datetime(['2020-08-31', pd.NaT])
})

# 1. 预处理：将升级日期转成当月首日
df['upgrade1_month'] = df['date_upgrade1'].dt.to_period('M').dt.to_timestamp()
df['upgrade2_month'] = df['date_upgrade2'].dt.to_period('M').dt.to_timestamp()

# 2. 生成指定范围的月度序列（可根据需求调整start、end参数修改时间范围）
month_range = pd.date_range(start='2020-06-01', end='2020-09-01', freq='MS').to_frame(name='month').reset_index(drop=True)

# 3. 生成key与月份的全量组合
full_df = df[['key', 'upgrade1_month', 'upgrade2_month']].merge(month_range, how='cross')

# 4. 计算upgrade取值
full_df['upgrade1'] = (full_df['month'] > full_df['upgrade1_month']).astype(int)
full_df['upgrade2'] = (full_df['month'] > full_df['upgrade2_month']).astype(int)

# 5. 筛选需要的列，按规则排序得到最终结果
result = full_df[['month', 'key', 'upgrade1', 'upgrade2']].sort_values(['key', 'month']).reset_index(drop=True)
print(result)

3. 规则匹配说明 #

• 代码中freq='MS'表示生成的时间序列为每月第一天，和示例输出的month字段格式完全一致
• 判断逻辑month > 升级日期当月首日严格匹配需求：升级完成当月仍然标记为0，下一个月开始标记为1
• NaT参与比较时默认返回False，会自动标记为0，无需额外处理空值

内容的提问来源于stack exchange，提问作者Goliath