如何基于pandas DataFrame索引的起止周期生成按日展开的新DataFrame

前置准备 #

首先确保你的数据字段已经转为pandas datetime格式，若为字符串可执行如下转换：

import pandas as pd
# 假设原始DataFrame名为df
df = df.reset_index() # 将索引的start_period、end_period转为普通列
df['start_period'] = pd.to_datetime(df['start_period'])
df['end_period'] = pd.to_datetime(df['end_period'])
df['due_date'] = pd.to_datetime(df['due_date'])

核心实现步骤 #

• 为每一行生成对应起止区间的每日日期序列

df['range_date'] = df.apply(lambda row: pd.date_range(start=row['start_period'], end=row['end_period'], freq='D'), axis=1)

• 展开日期序列为独立行，提取目标字段

result = df.explode('range_date')[['range_date', 'due_date']].reset_index(drop=True)

可选格式调整 #

如果需要输出不带时分秒的日期格式，可增加如下转换：

result['range_date'] = result['range_date'].dt.strftime('%Y-%m-%d')
result['due_date'] = result['due_date'].dt.strftime('%Y-%m-%d')

上述代码运行后得到的result就是你需要的结果：每一行对应周期内的一个日期，所有同周期的行共享原行的due_date取值，和你给出的示例输出完全匹配。

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