在pandas DataFrame中为股票季度盈利日期前后批量新增n条日期行

以下代码可直接运行，调整参数n即可控制每个原始日期前后新增的行数：

import pandas as pd

# 原始数据构造
df = pd.DataFrame({
    'ticker': ['AAPL', 'AAPL', 'AAPL','AAPL', 'MSFT', 'MSFT','MSFT', 'MSFT'], 
    'datetime': ['2015-01-01', '2015-04-01', '2015-07-01', '2015-12-01', '2015-01-01', '2015-04-01', '2015-07-01', '2015-12-01'],
})
df['datetime'] = pd.to_datetime(df['datetime'])

# 自定义前后新增天数，n=1即前后各加1天
n = 1

# 生成每行对应的前后n天日期序列
df['date_range'] = df['datetime'].apply(lambda dt: pd.date_range(dt - pd.Timedelta(days=n), dt + pd.Timedelta(days=n)))
# 展开日期序列为独立行
result_df = df.explode('date_range', ignore_index=True)
# 替换原日期列、删除临时辅助列
result_df['datetime'] = result_df['date_range']
result_df = result_df.drop(columns=['date_range'])

# 可选：按股票代码和日期排序，保证输出顺序和示例一致
result_df = result_df.sort_values(by=['ticker', 'datetime'], ignore_index=True)

逻辑说明 #

• 通过pd.Timedelta计算原始日期的前后偏移量
• 用pd.date_range生成包含原始日期、前后n天的连续日期序列
• 用explode方法将列表格式的日期序列拆分为独立行，最终行数为原始行数*(2n+1)，完全匹配你给出的预期输出结构

注意事项 #

如果需要生成的是交易日而非自然日，可替换pd.Timedelta为pandas的BDay交易日偏移，其余逻辑不变。

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