如何使用 Pandas 的开始和结束日期提取 DataFrame答案

【问题标题】：How to extract a DataFrame using start and end dates with Pandas如何使用 Pandas 的开始和结束日期提取 DataFrame
【发布时间】：2018-08-09 15:41:46
【问题描述】：

我们如何使用开始和结束日期提取DataFrame 并实现此输出？

输入

id  start  end
1   2009   2014
2   2010   2012

输出

【问题讨论】：

标签： python pandas

【解决方案1】：

创建按['id'] 分组的年份之间的日期枚举。索引的额外重新格式化是可选的

import numpy as np
import pandas as pd
melted = df.groupby('id').apply(lambda x:pd.Series(np.arange(x['start'],x['end']+1)))

melted.index = melted.index.droplevel(1)

id
1    2009
1    2010
1    2011
1    2012
1    2013
1    2014
2    2010
2    2011
2    2012

【讨论】：

能否用date_range函数得到

【解决方案2】：

用途：

df1 = (pd.concat([pd.Series(r.id,np.arange(r.start, r.end + 1)) for r in df.itertuples()])
        .reset_index())
df1.columns = ['data','id']
df1 = df1[['id','data']]
print (df1)
   id  data
0   1  2009
1   1  2010
2   1  2011
3   1  2012
4   1  2013
5   1  2014
6   2  2010
7   2  2011
8   2  2012

【讨论】：

开始和结束是带有年份的日期。如果年份和月份是不同的输出
我们能否最小化这个逻辑的逻辑和时间复杂度。df=pd.concat([pd.DataFrame({'start': pd.date_range(row.start, row.end, freq= "AS"), 'series_id': row.series_id}, columns=['start', 'series_id']) for i, row in df.iterrows()], ignore_index=True)
@raam 我使用 itertuples 因为像 iterrows 这样的性能更好，但是如果输入数据帧很小，那么 iterrows 是不错的选择。输入df的大小是多少？
数据量大，最小50k个索引。
我们可以减少或者我们可以对此有不同的逻辑 df1 = (pd.concat([pd.Series(r.id, pd.date_range(r.start, r.end, freq=' AS')) for r in df.itertuples()]) .reset_index())

【解决方案3】：

有点难理解，我觉得这个应该比apply快一点

通过使用reindex 和repeat

df.reindex(df.index.repeat(df['end']-df['start']+1)).assign(year=lambda x : x['start']+x.groupby('id').cumcount())
Out[453]: 
   id  start   end  year
0   1   2009  2014  2009
0   1   2009  2014  2010
0   1   2009  2014  2011
0   1   2009  2014  2012
0   1   2009  2014  2013
0   1   2009  2014  2014
1   2   2010  2012  2010
1   2   2010  2012  2011
1   2   2010  2012  2012

【讨论】：