如何从pandas DataFrame行值生成日期列表并完成行拆分与收益分摊

实现思路 #

• 第一步：日期类型标准化：先将booking_check_in字段转换为pandas的datetime格式，避免后续日期计算出现格式报错
• 第二步：生成每日停留日期序列：对每行数据，以booking_check_in为起始日期，days_of_stay为天数生成连续日期列表，存入新增的date_stayed字段
• 第三步：拆分多行：将date_stayed字段的列表展开，一行拆分为多行，其余字段自动复制对应原始行的取值
• 第四步：收入均摊：将原始booking_earned数值除以days_of_stay，得到每日对应分摊收入
• 第五步：字段规整：删除不需要的原始字段，重置索引即可得到目标结果

完整代码示例 #

import pandas as pd

# 构造样例数据（如果是自己的数据集直接读取即可，不需要这段）
data = {
    "booking_date": ["2019-09-14", "2019-10-21", "2020-01-01"],
    "booking_check_in": ["2019-12-20", "2019-11-01", "2020-03-02"],
    "days_of_stay": [2, 1, 2],
    "booking_currency": [1, 1, 1],
    "booking_earned": [611632.0, 742806.0, 1400000.0]
}
df = pd.DataFrame(data)

# 1. 转换入住日期为datetime类型
df["booking_check_in"] = pd.to_datetime(df["booking_check_in"])

# 2. 生成停留日期列表
df["date_stayed"] = df.apply(
    lambda x: pd.date_range(start=x["booking_check_in"], periods=x["days_of_stay"], freq="D"), 
    axis=1
)

# 3. 将date_stayed列表拆分为多行
df_exploded = df.explode("date_stayed", ignore_index=True)

# 4. 均摊收入到每一天
df_exploded["booking_earned"] = df_exploded["booking_earned"] / df_exploded["days_of_stay"]

# 5. 保留所需字段、重置索引得到最终结果
result = df_exploded[["booking_date", "date_stayed", "booking_currency", "booking_earned"]].reset_index(drop=True)

运行print(result)即可输出你需要的目标格式数据。

关键说明 #

• pd.date_range是pandas内置的日期序列生成方法，freq="D"代表日期间隔为1天，periods参数指定生成的日期数量，刚好匹配停留天数
• explode是pandas 0.25及以上版本支持的方法，可直接将列中的列表/序列元素拆分为独立行，其余列自动继承原行值，是实现一行拆多行的最高效方案
• 如果你使用的pandas版本低于0.25，可使用以下代码替代explode功能：

  df = df.join(pd.DataFrame(df['date_stayed'].tolist(), index=df.index).stack().reset_index(level=1, drop=True).rename('date_stayed'))
  

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