pandas - 将 Pandas 数据框日期范围扩展到单独的行

Question

我必须根据开始日期和结束日期将 pandas 数据框扩展到单独的行中。

原始数据框如下

ORIGINAL DATAFRAME

我的最终数据框应在各行的开始日期和结束日期之间的每一天重复。需要为每个日期扩展结果，同时保留“开始日期”和“结束日期”以外的其他列。

例如，开始日期 = 01-Jan-20 和结束日期 15-Jan-20 的第一行应扩展为 15 个单独的行，代表系列中的一个日期，如示例结果数据帧所示:

EXPECTED RESULTANT DATAFRAME

我尝试使用 itertuples 的解决方案来迭代数据框并将范围划分为单个日期，但是当数据框的大小很大时，该解决方案很慢。

非常感谢对此的任何最佳解决方案。

Answer 1

使用pandas.date_range在列表理解中，然后使用 DataFrame.explode (您至少需要为 explode 方法使用 pandas v 0.25.0):

# Minimal example setup
df = pd.DataFrame({
    'TRIPNAME': ['HIGHSEASON', 'LOWSEASON', 'MEDSEASON'],
    'TRIPCAT': ['H', 'L', 'M'],
    'STARTDATE' : ['01JAN20', '16SEP20', '29JAN20'],
    'ENDDATE': ['15JAN20', '30NOV20', '19JUL20'],
    'FARE': [345, 280, 250]
})


df['DATE'] = [pd.date_range(s, e, freq='d') for s, e in
              zip(pd.to_datetime(df['STARTDATE']),
                  pd.to_datetime(df['ENDDATE']))]

df = df.explode('DATE').drop(['STARTDATE', 'ENDDATE'], axis=1)

print(df)

[输出]

      TRIPNAME TRIPCAT  FARE       DATE
0   HIGHSEASON       H   345 2020-01-01
0   HIGHSEASON       H   345 2020-01-02
0   HIGHSEASON       H   345 2020-01-03
0   HIGHSEASON       H   345 2020-01-04
0   HIGHSEASON       H   345 2020-01-05
..         ...     ...   ...        ...
2    MEDSEASON       M   250 2020-07-15
2    MEDSEASON       M   250 2020-07-16
2    MEDSEASON       M   250 2020-07-17
2    MEDSEASON       M   250 2020-07-18
2    MEDSEASON       M   250 2020-07-19

[264 rows x 4 columns]