Python 将年度日期更改为月度日期，并添加新值以填充月度日期

我有以下数据帧

data = pd.DataFrame({
'date': [1988, 1989, 1990, 1991],
'value': [11558522, 12323552, 13770958, 18412280]
}) 

Out[1]: 
   date     value
0  1988  11558522
1  1989  12323552
2  1990  13770958
3  1991  18412280

然后我将date列更改为datetime索引

data['date'] = pd.to_datetime(data['date'],format = '%Y')

Out[2]: 
        date     value
0 1988-01-01  11558522
1 1989-01-01  12323552
2 1990-01-01  13770958
3 1991-01-01  18412280

我将日期列设置为索引

data = data.set_index('date')

Out[3]: 

date          value      
1988-01-01  11558522
1989-01-01  12323552
1990-01-01  13770958
1991-01-01  18412280

现在我想取一个日期值，即1988年，创建月份（01到12），取该日期的值（11558522）并将其除以12个月。 所以最终我希望数据集看起来像这样

    date          value      
1988-01-01  889117.077
1988-02-01  889117.077
1988-03-01  889117.077
1988-04-01  889117.077
      ...
1988-12-01  889117.077
1989-01-01  947965.538
1989-02-01  947965.538
1989-03-01  947965.538
1989-04-01  947965.538
      ...
1989-12-01  947965.538
etc..

我想对数据框中的每个日期值执行此操作。我如何才能最好地做到这一点？

用于所有年份的组合，并按原始版本列出所有行：

data = pd.DataFrame({
'date': [1988, 1989, 1990, 1991],
'value': [11558522, 12323552, 13770958, 18412280]
}) 

from  itertools import product

y = data['date']
m = np.arange(1,13)
d = [1]

cols = ['year','month','day']
df = (pd.DataFrame(list(product(y, m, d)), columns=cols)
        .merge(data.rename(columns={'date':'year'}))
        .assign(value = lambda x: x['value'] / 12))

df = df.set_index(pd.to_datetime(df[cols])).drop(cols, axis=1)
print (df.head())
                    value
1988-01-01  963210.166667
1988-02-01  963210.166667
1988-03-01  963210.166667
1988-04-01  963210.166667
1988-05-01  963210.166667

另一个想法是创建一个系列，其中列

value

的值由字典映射：

data = pd.DataFrame({
'date': [1988, 1989, 1990, 1991],
'value': [11558522, 12323552, 13770958, 18412280]
}) 


from  itertools import product

di = data.set_index('date')['value'].to_dict()
y = data['date']
m = np.arange(1,13)

comp = {f'{y}-{m}-01': di.get(y) for y,m,d in product(y, m, d)}
df = pd.Series(comp).div(12).to_frame('value')
df.index = pd.to_datetime(df.index)
print (df.head())
                    value
1988-01-01  963210.166667
1988-02-01  963210.166667
1988-03-01  963210.166667
1988-04-01  963210.166667
1988-05-01  963210.166667

用于所有年份的所有组合，所有行按原始：

data = pd.DataFrame({
'date': [1988, 1989, 1990, 1991],
'value': [11558522, 12323552, 13770958, 18412280]
}) 

from  itertools import product

y = data['date']
m = np.arange(1,13)
d = [1]

cols = ['year','month','day']
df = (pd.DataFrame(list(product(y, m, d)), columns=cols)
        .merge(data.rename(columns={'date':'year'}))
        .assign(value = lambda x: x['value'] / 12))

df = df.set_index(pd.to_datetime(df[cols])).drop(cols, axis=1)
print (df.head())
                    value
1988-01-01  963210.166667
1988-02-01  963210.166667
1988-03-01  963210.166667
1988-04-01  963210.166667
1988-05-01  963210.166667

另一个想法是创建一个系列，其中列

value

的值由字典映射：

data = pd.DataFrame({
'date': [1988, 1989, 1990, 1991],
'value': [11558522, 12323552, 13770958, 18412280]
}) 


from  itertools import product

di = data.set_index('date')['value'].to_dict()
y = data['date']
m = np.arange(1,13)

comp = {f'{y}-{m}-01': di.get(y) for y,m,d in product(y, m, d)}
df = pd.Series(comp).div(12).to_frame('value')
df.index = pd.to_datetime(df.index)
print (df.head())
                    value
1988-01-01  963210.166667
1988-02-01  963210.166667
1988-03-01  963210.166667
1988-04-01  963210.166667
1988-05-01  963210.166667

---

日期有效，但我希望1年的值除以12。因此，1989年的价值是11558522。我想把这个值除以12，然后这将是填充当年月份的新值。i、 e 1988-01-01至1988-12-01的值为889117。077@Tamarie-我认为第一个解决方案过于复杂，因此添加了更简单的解决方案，如果我在我的数据集

TypeError上尝试，还存在12除法得到以下错误：开始和结束不能同时在不同的时区感知tz

@Tamarie-添加了原始解决方案，只增加了12的除法，不工作。仍然得到我前面提到的类型错误。如果我尝试您给出的第一个示例，我会得到以下错误：错误：无法汇编日期时间：时间数据“-1661174702541897627”与格式“%Y%m%d”（匹配）工作的日期不匹配，但我希望1年的值除以12。因此，1989年的价值是11558522。我想把这个值除以12，然后这将是填充当年月份的新值。i、 e 1988-01-01至1988-12-01的值为889117。077@Tamarie-我认为第一个解决方案过于复杂，因此添加了更简单的解决方案，如果我在我的数据集

TypeError上尝试，还存在12除法得到以下错误：开始和结束不能同时在不同的时区感知tz

@Tamarie-添加了原始解决方案，只增加了12的除法，不工作。仍然得到我前面提到的类型错误。如果我尝试您给出的第一个示例，我会得到以下错误：错误：无法汇编日期时间：时间数据“-1661174702541897627”与格式“%Y%m%d”（匹配）