根据日期列和日期范围填充 Pandas 数据框

Question

我有一个看起来像这样的 pandas 数据框，

    id     start    end
0   1   2020-02-01  2020-04-01
1   2   2020-04-01  2020-04-28

我有两个额外的参数，它们是日期值，比如 x 和 y。 x 和 y 将始终是该月的第一天。

我想将上面的数据框扩展为如下所示的 x = "2020-01-01" 和 y = "2020-06-01"，

    id  month   status
0   1   2020-01 -1
1   1   2020-02 1
2   1   2020-03 2
3   1   2020-04 2
4   1   2020-05 -1
5   1   2020-06 -1
6   2   2020-01 -1
7   2   2020-02 -1
8   2   2020-03 -1
9   2   2020-04 1
10  2   2020-05 -1
11  2   2020-06 -1

数据框扩展为每个 id 都会有额外的months_between(x, y) 行。并制作了一个状态列并填写了值，

• 如果月份列值等于开始列的月份，则将状态填写为 1
• 如果月份列值大于开始列的月份但小于或等于结束列的月份，则填写为 2。
• 如果月份列值小于开始月份的月份，则将其填充为 -1。此外，如果月份列值大于 -1 的结束填充状态月份。

我正在尝试在不循环的情况下在 pandas 中解决这个问题。我目前的解决方案是使用循环，并且需要更长的时间来运行庞大的数据集。

这里有什么可以帮助我的 pandas 函数吗？

感谢@Code Different 的解决方案。它解决了这个问题。然而，数据框可能看起来像这样的问题有一个扩展，

    id     start       end
0   1   2020-02-01  2020-02-20
1   1   2020-04-01  2020-05-10
2   2   2020-04-10  2020-04-28

一个 id 可以有多个条目。对于上面相隔 6 个月的 x 和 y，我希望数据框中的每个 id 有 6 行。该解决方案当前为数据框中的每一行创建 6 行。在处理具有数百万个 id 的数据帧时，这还可以，但并不理想。

Answer 1

确保start 和end 列的类型为Timestamp：

# Explode each month between x and y
x = '2020-01-01'
y = '2020-06-01'

df['month'] = [pd.date_range(x, y, freq='MS')] * len(df)
df = df.explode('month').drop_duplicate(['id', 'month'])

# Determine the status
df['status'] = -1

cond = df['start'] == df['month']
df.loc[cond, 'status'] = 1

cond = (df['start'] < df['month']) & (df['month'] <= df['end'])
df.loc[cond, 'status'] = 2