Pandas时间序列处理：如何展开日期区间并添加0-2天滞后特征

整体逻辑分3步：日期格式转换、日期区间逐行展开、按规则生成滞后特征。

1. 前置数据格式修正 #

先把字符串类型的日期转成pandas可计算的datetime格式，把字符串类型的特征转成数值类型，避免后续计算报错：

import pandas as pd
import numpy as np

# 加载测试用DataFrame
df = pd.DataFrame(
    {
        "start_date": [
            "2020-01-01",
            "2020-01-05",
            "2020-01-01",
            "2020-01-06",
        ],
        "end_date": [
            "2020-01-02",
            "2020-01-07",
            "2020-01-02",
            "2020-01-07"
        ],
        "id": ["1", "1", "3", "3"],
        "feature1": ["111", "111", "333", "555"],
        "feature2": ["222", "222", "444", "666"],
    }
)

# 日期转datetime格式
df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])
# 特征转数值格式
df['feature1'] = pd.to_numeric(df['feature1'])
df['feature2'] = pd.to_numeric(df['feature2'])

2. 日期区间展开 #

每个投放区间的覆盖范围不是原有的start_date ~ end_date，而是向后额外延伸2天（用来存放滞后特征的尾部值），生成连续日期序列后炸开成独立行：

# 生成连续日期范围：从start_date开始，到end_date+2天为止的每日序列
df['date_range'] = df.apply(
    lambda row: pd.date_range(
        start=row['start_date'],
        end=row['end_date'] + pd.Timedelta(days=2),
        freq='D'
    ),
    axis=1
)

# 炸开日期序列成独立行，保留end_date字段用于后续滞后判断
expanded_df = df.explode('date_range')[
    ['id', 'date_range', 'end_date', 'feature1', 'feature2']
].rename(columns={'date_range': 'date'})

3. 生成0-2阶滞后特征 #

滞后规则和目标输出完全匹配：

• 对于滞后阶数k（k=0/1/2），只要当前展开的date ≤ 原区间end_date + k天，就取原特征值，否则置为NaN

lag_steps = [0, 1, 2]
for k in lag_steps:
    # 计算每个滞后阶数的取值阈值
    threshold = expanded_df['end_date'] + pd.Timedelta(days=k)
    # 按条件赋值
    expanded_df[f'f1_lag_{k}'] = np.where(
        expanded_df['date'] <= threshold,
        expanded_df['feature1'],
        np.nan
    )
    expanded_df[f'f2_lag_{k}'] = np.where(
        expanded_df['date'] <= threshold,
        expanded_df['feature2'],
        np.nan
    )

# 整理成目标列顺序，移除中间计算用的临时字段
target_cols = ['date', 'id', 'f1_lag_0', 'f2_lag_0', 'f1_lag_1', 'f2_lag_1', 'f1_lag_2', 'f2_lag_2']
result = expanded_df[target_cols].reset_index(drop=True)

结果说明 #

跑通代码后输出的result和要求的目标格式完全一致，不存在跨投放块的特征串值问题，所有NaN位置、特征取值都和示例匹配。

注意：如果后续需要扩展更多滞后阶数（比如0~3天的滞后），只需要修改lag_steps列表的取值即可，不需要调整其他逻辑。

内容的提问来源于stack exchange，提问作者Vega