Python pandas无估算将年度粒度DataFrame转换为月度粒度

之前代码失效的核心原因 #

• 原数据的date列是字符串格式，不满足resample操作要求的datetime时间类型，pandas无法正常识别时间维度
• 你使用的resample('M')默认输出每月最后一天的日期，和你需要的每月1号的目标格式不匹配；且resample本质是时间分组聚合逻辑，直接套lambda表达式无法实现原行无改动、重复12次的需求

可直接运行的实现代码 #

全程不涉及任何插值、估算逻辑，完全按照原行1:1重复拆分到每个月：

import pandas as pd

# 加载原始年度粒度数据
df = pd.DataFrame({
    "date": ["2020-01-01", "2021-01-01", "2022-01-01"],
    "cost": [100, 1000, 150],
    "person": ["Tom","Jerry","Brian"]
})

# 1. 把字符串格式的date列转换为pandas可识别的datetime类型
df['date'] = pd.to_datetime(df['date'])

# 2. 为每一行年度数据，生成对应自然年12个月初的日期序列
df['monthly_date'] = df['date'].apply(
    lambda year_start: pd.date_range(
        start=year_start, 
        end=year_start + pd.DateOffset(years=1) - pd.DateOffset(days=1), 
        freq='MS'
    )
)

# 3. 把嵌套的日期序列炸开为独立行，整理列得到最终结果
result = (
    df.explode('monthly_date', ignore_index=True)
    .drop(columns=['date'])
    .rename(columns={'monthly_date': 'date'})
)

结果校验 #

最终生成的result共36行：

• 每一年对应的cost、person字段和原年度行完全一致，没有任何数值修改
• 日期列覆盖对应自然年1-12月的每月1号，和示例要求的输出格式完全匹配

补充说明：如果强行使用resample实现该需求，需要将resample频率改为月初'MS'，同时关闭分组聚合逻辑，但该方式对入门用户来说逻辑不直观，很容易出现空值填充、日期错位的问题，不如上述explode方案清晰可控。

内容的提问来源于stack exchange，提问作者M.wol