如何根据起止日期提取年份范围生成新行以对齐DataFrame结构

核心思路 #

通过生成任期覆盖的所有年份列表，再对列表做行展开，即可将按「领导人任期」聚合的数据集转换为和第一个数据集一致的「国家-年度」粒度结构，全程保留原有的国家、领导人、任期时间等基础信息。

分步代码实现 #

1. 日期格式预处理 #

首先将第二个DataFrame的任期起止列转换为pandas可识别的datetime格式，方便提取年份：

import pandas as pd

# df2对应你提供的第二个按任期存储的DataFrame
df2['leader_start_date'] = pd.to_datetime(df2['leader_start_date'])
df2['leader_end_date'] = pd.to_datetime(df2['leader_end_date'])

2. 生成年度列表并展开 #

为每一行任期生成其覆盖的所有年份，再将年份列表展开为单独行：

# 为每条任期生成覆盖的所有年份列表
df2['year'] = df2.apply(
    lambda row: list(range(row['leader_start_date'].year, row['leader_end_date'].year + 1)),
    axis=1
)
# 展开年份列，每一年对应独立行，其他信息同步复用
df2_exploded = df2.explode('year', ignore_index=True)

3. 列名对齐第一个数据集 #

调整列名和列顺序，和第一个「国家-年度」粒度的DataFrame结构完全对齐：

df2_aligned = df2_exploded.rename(columns={
    'LeaderCountryISO': 'country_isocode',
    'LeaderCountryOrIGO': 'country_name',
    'LeaderFullName': 'leader'
})[['year', 'country_isocode', 'country_name', 'leader', 'leader_start_date', 'leader_end_date']]

处理完成的df2_aligned就和第一个DataFrame结构完全一致，可以直接用于后续比对。

后续拼写差异比对参考 #

完成结构对齐后，可通过关联查询快速定位姓名拼写不一致的条目：

# df1对应你提供的第一个「国家-年度」粒度的DataFrame
compare_result = pd.merge(
    df1,
    df2_aligned,
    on=['year', 'country_isocode', 'leader_start_date', 'leader_end_date'],
    how='outer',
    suffixes=('_source1', '_source2')
)
# 筛选出两个来源姓名拼写不匹配的记录
diff_records = compare_result[compare_result['leader_source1'] != compare_result['leader_source2']]

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