Python：基于一列中日期值之间的差异创建新行

我正试图根据第一条记录和第二条记录之间的差异，以及从第二条记录到第三条记录、每个Id等创建新记录。 pandas.diff（）和pandas.shift（）除了告诉我第一张和第二张唱片之间的总天数差异等之外，没有做到这一点

因为我的数据集中没有结束日期，所以在这里发布的解决方案不起作用

假设以下数据集：

df1=pd.DataFrame(columns=['Id','Code','Date'])
Ids=[1,1,1,2,2,2,2,3,3]
Codes=[8,9,11,5,6,7,8,7,8]
Dates=['2020-07-02','2020-06-16','2020-04-07',
      '2020-02-19','2020-03-18','2020-05-02','2020-07-02',
      '2020-05-19','2020-03-24']
df1.Id=Ids
df1.Code=Codes
df1.Date=Dates

我希望达到的结果是：

Id  Code    Date
1   8   2020-07-02
1   9   2020-06-16
1   11  2020-05-01
1   11  2020-04-07
2   5   2020-02-19
2   6   2020-03-18
2   7   2020-04-01
2   7   2020-05-02
2   8   2020-06-01
2   8   2020-07-02
3   7   2020-05-19
3   8   2020-04-01
3   11  2020-03-24

---

正如您所看到的，对于日期和代码之间的每个缺失日期，都会生成一个新记录，指定两个记录之间的月份，并且在这个新记录中，代码的副本是从其以前的记录中生成的。

我怀疑下面的方法是否最佳，但它是有效的

df = pd.DataFrame(columns=['Id','Code','Date'])
for _, df_temp in df1.groupby(by=['Id'], axis=0):
    df_temp = df_temp.sort_values(by=['Date']).reset_index(drop=True)
    # impute values
    dates = df_temp['Date']
    for i in range(df_temp.shape[0] - 1):
        date_range = [d.strftime('%Y-%m-%d') for d in pd.date_range(dates.loc[i], dates.loc[i+1], freq='M')]
        new_rows = pd.DataFrame(columns=['Id','Code','Date'])
        new_rows['Date'] = date_range
        new_rows['Id'] = df_temp.loc[i, 'Id']
        new_rows['Code'] = df_temp.loc[i, 'Code']
        df = pd.concat([df, new_rows])
    # take care of the last entry
    df.loc[df.shape[0]] = df_temp.loc[df_temp.shape[0] - 1]

df = pd.DataFrame(columns=['Id','Code','Date'])
for _, df_temp in df1.groupby(by=['Id'], axis=0):
    df_temp = df_temp.sort_values(by=['Date']).reset_index(drop=True)
    # impute values
    dates = df_temp['Date']
    for i in range(df_temp.shape[0] - 1):
        date_range = [d.strftime('%Y-%m-%d') for d in pd.date_range(dates.loc[i], dates.loc[i+1], freq='M')]
        new_rows = pd.DataFrame(columns=['Id','Code','Date'])
        new_rows['Date'] = date_range
        new_rows['Id'] = df_temp.loc[i, 'Id']
        new_rows['Code'] = df_temp.loc[i, 'Code']
        df = pd.concat([df, new_rows])
    # take care of the last entry
    df.loc[df.shape[0]] = df_temp.loc[df_temp.shape[0] - 1]