Python：将开始日期和结束日期拆分为开始日期和结束日期之间的所有天数

我有一个名为“计划休假”的数据，其中包括“开始日期”、“结束日期”、“用户ID”和“休假类型”

我希望能够创建一个新的数据框，显示每个“用户ID”的开始日期和结束日期之间的所有日期

到目前为止，我只能创建一个日期列表，该列表提供开始日期和结束日期之间的一系列日期，但我找不到一种方法来为每个“用户ID”和“休假类型”包含该列表

以下是我目前的职能：

def datesplit(data):
    x = pd.DataFrame(columns=['Date'])
    for i in plannedleave.iterrows():
        start = data['Start Date'][i]
        end = data['End Date'][i]
        date_list = [start + dt.timedelta(days=x) for x in range((end-start).days)]
    x.append(date_list)
    return x

>>> datesplit(plannedleave)
>>> Value Error: Can only Tuple-index with a MultiIndex

以下是数据的样子：

>>> plannedleave.dtypes
>>>
    Employee ID                      int64
    First Name                      object
    Last Name                       object
    Leave Type                      object
    Start Date              datetime64[ns]
    End Date                datetime64[ns]
dtype: object

如果您能在这里找到解决方案，我将永远感激您！：-）

在我看来，光是日期栏是不够的。您的输出数据帧 还应包含至少一个员工ID，以了解该员工的身份 在指定的日期离开

要执行任务，请定义以下函数：

def datesplit(data):
    parts = []
    for idx, row in data.iterrows():
        parts.append(pd.DataFrame(row['Employee ID'], columns=['Employee ID'],
            index=pd.date_range(start=row['Start Date'], end=row['End Date'],
                name='Date')))
    return pd.concat(parts).reset_index()

此功能：

def datesplit(data):
    parts = []
    for idx, row in data.iterrows():
        parts.append(pd.DataFrame(row['Employee ID'], columns=['Employee ID'],
            index=pd.date_range(start=row['Start Date'], end=row['End Date'],
                name='Date')))
    return pd.concat(parts).reset_index()

• 对于每个源行，现在收集“部分数据帧”：
  • 唯一一列是员工ID
  • 索引是开始日期和结束日期之间的日期范围
  • 给定的员工ID（单个值）实际上是 广播所有行（当前员工休假时每天）
• 在循环之后，连接它们并转换索引（日期） 进入“常规”列

那就叫它：

result = datesplit(plannedleave)

为了测试我的代码，我将其用作源数据帧（plannedleave）：

上述数据的结果为：

         Date  Employee ID
0  2020-05-10         1001
1  2020-05-11         1001
2  2020-05-12         1001
3  2020-05-13         1001
4  2020-05-14         1001
5  2020-05-15         1001
6  2020-05-18         1002
7  2020-05-19         1002
8  2020-05-20         1002
9  2020-05-21         1002
10 2020-05-22         1002

---

以下是必要的循环，因此我更喜欢列表中的理解：

def datesplit(df):
    df1 = df.rename(columns={'Start Date':'sdate','End Date':'edate', 'Employee ID':'ID'})
    return  (pd.concat([pd.Series(r.ID,pd.date_range(r.sdate, r.edate)) 
                        for r in df1.itertuples()])
               .rename_axis('Date')
               .reset_index(name='Employee ID'))

df = datesplit(plannedleave)
print (df)
         Date  Employee ID
0  2020-05-10         1001
1  2020-05-11         1001
2  2020-05-12         1001
3  2020-05-13         1001
4  2020-05-14         1001
5  2020-05-15         1001
6  2020-05-18         1002
7  2020-05-19         1002
8  2020-05-20         1002
9  2020-05-21         1002
10 2020-05-22         1002

---

200行的性能：

plannedleave = pd.concat([plannedleave] * 100, ignore_index=True)


def datesplit(df):
    df1 = df.rename(columns={'Start Date':'sdate','End Date':'edate', 'Employee ID':'ID'})
    return  (pd.concat([pd.Series(r.ID,pd.date_range(r.sdate, r.edate)) 
                        for r in df1.itertuples()])
               .rename_axis('Date')
               .reset_index(name='Employee ID'))


def datesplitvb(data):
    parts = []
    for idx, row in data.iterrows():
        parts.append(pd.DataFrame(row['Employee ID'], columns=['Employee ID'],
            index=pd.date_range(start=row['Start Date'], end=row['End Date'],
                name='Date')))
    return pd.concat(parts).reset_index()



In [152]: %timeit datesplit(plannedleave.copy())
98.2 ms ± 4.96 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [153]: %timeit datesplitvb(plannedleave.copy())
193 ms ± 30.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

你能创建吗？确定还需要什么其他信息吗？你可以检查。你认为在我的解决方案中使用你的样本数据公平吗？没问题，使用它。完美！非常感谢你Jezrael@DylanMcCullough-如果我的回答有用，别忘了。谢谢这对于任何数据来说都是非常重要的，因为在200行中，此解决方案的速度要快1.9倍。如果行数越多，差异就越大。这只提供了日期+一列（员工ID）。如何将所有列添加到生成的数据框中？@Vega-使用

.Index

like