如何将含起止datetime列的DataFrame转为单日期列并按天拆分数据？

嘿，这个问题我之前也碰到过！要把带时间区间的DataFrame拆成单日记录，还得按比例分配像deep这类数值对吧？别慌，用Pandas几步就能搞定，我给你一步步捋清楚：

核心逻辑就是：先把每个时间区间拆成包含的所有单日，再根据区间总天数计算分配比例，最后把原数值拆分到对应的日期行里。

1. 先整个示例数据 #

我先构造一个和你需求匹配的DataFrame，方便演示：

import pandas as pd

# 模拟你的原始数据
data = {
    "from": ["2015-07-06 00:00:00", "2015-07-08 00:00:00"],
    "to": ["2015-07-09 00:00:00", "2015-07-10 00:00:00"],
    "deep": [30, 20]
}
df = pd.DataFrame(data)
# 把字符串转成datetime类型，这步必不可少
df["from"] = pd.to_datetime(df["from"])
df["to"] = pd.to_datetime(df["to"])

比如第一行的区间是2015-07-06到2015-07-09（注意这里to是次日0点，实际覆盖6、7、8号三天），deep值30，那每天就得分到10；第二行覆盖8、9号两天，deep20，每天分10。

2. 拆分时间区间，生成单日序列 #

我们用apply给每行生成对应的日期列表，再把行展开：

# 写个小函数，给每行生成区间内的所有日期
def get_daily_dates(row):
    # 重点：如果你的"to"是区间结束后的次日0点，必须减1天，不然会多算一天
    return pd.date_range(start=row["from"], end=row["to"] - pd.Timedelta(days=1), freq="D")

# 给每行添加上对应的日期列表
df["dates"] = df.apply(get_daily_dates, axis=1)
# 把列表拆成单独的行，这步是关键！
df_expanded = df.explode("dates", ignore_index=True)

执行完这步，原来的每一行已经变成了N行，N就是区间的天数。

3. 计算比例，拆分数值 #

接下来算每个原区间的总天数，再把deep按比例分配到每一天：

# 先给原始DF加上总天数列
df["total_days"] = (df["to"] - df["from"]).dt.days
# 把总天数合并到展开后的DF里
df_expanded = df_expanded.merge(df[["from", "to", "total_days"]], on=["from", "to"], how="left")
# 计算每天的deep值
df_expanded["daily_deep"] = df_expanded["deep"] / df_expanded["total_days"]

4. 整理成你要的最终格式 #

如果你想把日期设为索引，或者删掉没用的列，最后再调整下：

# 保留需要的列，重命名回原来的"deep"
final_df = df_expanded[["dates", "daily_deep"]].rename(columns={"daily_deep": "deep"})
# 把日期设为索引（可选，看你需求）
final_df = final_df.set_index("dates")

现在final_df就是你想要的结构：单个日期（或日期索引），deep列是按天拆分后的数值。

额外提一句特殊情况 #

如果你的时间区间不是整整天（比如from是中午12点，to是后天中午12点），那可以按小时甚至分钟来拆分，只需要把freq改成"H"或者"T"，总天数换成总小时数/分钟数，逻辑完全一样~

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