如何在Pandas中复制行并生成FROM到TO的分钟时间序列列

我明白你想要实现的需求——把原DataFrame的每一行按照FROM到TO的分钟间隔展开，同时保留原有的ID、FROM、TO列，新增time列来存放每个分钟点。你已经在R里用data.table实现了，我来给你对应Python Pandas的解决方案。

先明确你的输入输出示例：

输入DataFrame #

ID FROM TO
A 15:30 15:33
B 16:40 16:44
C 15:20 15:22

期望输出DataFrame #

ID FROM TO time
A 15:30 15:33 15:30
A 15:30 15:33 15:31
A 15:30 15:33 15:32
A 15:30 15:33 15:33
B 16:40 16:44 16:40
B 16:40 16:44 16:41
B 16:40 16:44 16:42
B 16:40 16:44 16:43
B 16:40 16:44 16:44
C 15:20 15:22 15:20
C 15:20 15:22 15:21
C 15:20 15:22 15:22

方法一：apply + pd.date_range + explode（直观贴近R思路） #

这种方式逻辑和你R中的实现非常相似，先逐行生成时间序列，再展开列表：

import pandas as pd

# 构造输入数据
df = pd.DataFrame({
    'ID': ['A', 'B', 'C'],
    'FROM': ['15:30', '16:40', '15:20'],
    'TO': ['15:33', '16:44', '15:22']
})

# 将字符串转为时间类型（默认会带日期，后续可转回时分格式）
df['FROM'] = pd.to_datetime(df['FROM'], format='%H:%M')
df['TO'] = pd.to_datetime(df['TO'], format='%H:%M')

# 对每行生成FROM到TO的分钟级时间序列，存为列表
df['time'] = df.apply(lambda row: pd.date_range(start=row['FROM'], end=row['TO'], freq='min'), axis=1)

# 炸开time列的列表，生成多行数据
new_df = df.explode('time', ignore_index=True)

# 把时间列转回时分字符串格式（和输入格式统一）
new_df[['FROM', 'TO', 'time']] = new_df[['FROM', 'TO', 'time']].apply(lambda x: x.dt.strftime('%H:%M'))

print(new_df)

方法二：向量化实现（大数据量更高效） #

如果你的数据集很大，apply的逐行处理效率可能偏低，这种向量化方式性能更好：

import pandas as pd

df = pd.DataFrame({
    'ID': ['A', 'B', 'C'],
    'FROM': ['15:30', '16:40', '15:20'],
    'TO': ['15:33', '16:44', '15:22']
})

# 转换时间类型
df['FROM'] = pd.to_datetime(df['FROM'], format='%H:%M')
df['TO'] = pd.to_datetime(df['TO'], format='%H:%M')

# 计算每行需要生成的时间点数量
df['n_points'] = (df['TO'] - df['FROM']).dt.total_seconds() // 60 + 1

# 按重复次数展开行
df_expanded = df.loc[df.index.repeat(df['n_points'])]

# 计算每个行组内的分钟偏移量
df_expanded['offset'] = df_expanded.groupby(df_expanded.index).cumcount()

# 生成time列
df_expanded['time'] = df_expanded['FROM'] + pd.to_timedelta(df_expanded['offset'], unit='min')

# 整理列并格式化时间
new_df = df_expanded[['ID', 'FROM', 'TO', 'time']].reset_index(drop=True)
new_df[['FROM', 'TO', 'time']] = new_df[['FROM', 'TO', 'time']].apply(lambda x: x.dt.strftime('%H:%M'))

print(new_df)

两种方法都能得到你需要的结果，按需选择即可。

内容的提问来源于stack exchange，提问作者user2552108