如何用Pandas重塑DataFrame：拆分日期行并计算日均预算

我来帮你搞定这个DataFrame的重塑需求，把每个日期区间拆成单日记录，同时算出对应的日均预算。下面是具体的实现步骤和代码：

步骤1：计算区间天数与日均预算 #

首先得先算出每个日期区间的总天数（注意要包含首尾两天，所以需要加1），再用总预算除以天数得到日均预算：

import pandas as pd

# 初始化你提供的数据集
data = {"start_date" : ["2018-04-30", "2018-05-01"] ,"end_date" : ["2018-05-01", "2018-05-02"] ,"budget" : [10, 12]}
df = pd.DataFrame(data)
df["start_date"] = pd.to_datetime(df["start_date"])
df["end_date"] = pd.to_datetime(df["end_date"])

# 计算每个区间的总天数
df['days'] = (df['end_date'] - df['start_date']).dt.days + 1
# 计算日均预算
df['daily_average'] = df['budget'] / df['days']

步骤2：拆分日期区间为单日记录 #

接下来用pd.date_range生成每个区间内的所有日期，再通过explode方法把日期列表拆成单独的行：

# 为每行生成对应的日期序列
df['date'] = df.apply(lambda row: pd.date_range(row['start_date'], row['end_date'], freq='D'), axis=1)
# 拆分日期列表，生成单日记录
df = df.explode('date').reset_index(drop=True)

步骤3：调整列顺序（可选） #

如果需要和需求中的字段顺序对齐，可以重新排列列的位置：

# 保留需要的字段并调整顺序
df = df[['date', 'daily_average', 'days', 'start_date', 'end_date']]

最终结果 #

执行完上述代码后，你会得到如下的目标DataFrame：

这个结果完全满足需求：每个单日都有独立记录，同时保留了原区间的起始/结束日期、总天数和日均预算。

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