本文介绍如何对原始数据框中每条记录，在指定日期范围内逐日判断其是否处于“开放且未关闭”状态（满足 opendate

本文介绍如何对原始数据框中每条记录，在指定日期范围内逐日判断其是否处于“开放且未关闭”状态（满足 opendate

在时间序列分析与状态快照建模中，常需将静态的生命周期记录（如用户账户、工单、合同）按天展开，生成每个自然日对应的有效状态行。这本质上是「笛卡尔展开 + 条件过滤」操作：对原始数据框的每一行，遍历目标日期范围中的每一天，检查该日是否落在其有效期内，并满足业务类型约束。

以下是一个高效、可读性强的实现方案，使用 pandas 和 datetime 完成：

import pandas as pd
from datetime import datetime, timedelta

# 1. 构建示例数据（注意：OpenDate/ClosedDate 需转为 datetime 类型）
data = {
    'User_Id': [12, 14, 34, 93],
    'OpenDate': ['2024-07-14', '2021-12-26', '2022-05-22', '2021-12-06'],
    'CloseDate': ['2024-08-18', '2021-12-26', '2022-06-12', '2021-12-06'],
    'CloseType': [3, 6, 3, 6]
}
df = pd.DataFrame(data)
df['OpenDate'] = pd.to_datetime(df['OpenDate'])
df['CloseDate'] = pd.to_datetime(df['CloseDate'], errors='coerce')  # 自动转 NaT 处理空值

# 2. 定义目标日期范围（推荐用 pd.date_range，更简洁可靠）
date_range = pd.date_range(start='2024-06-01', end='2024-12-10', freq='D')

# 3. 初始化结果列表
results = []

# 4. 双重循环：逐行 × 逐日判断条件
valid_close_types = {0, 1, 3, 7, 8}  # 使用 set 提升 in 判断效率
for _, row in df.iterrows():
    open_dt = row['OpenDate']
    close_dt = row['CloseDate']
    close_type = row['CloseType']

    for current_date in date_range:
        # SQL 条件等价翻译：
        #   s.OpenDate  @currentDate → pd.isnull(close_dt) or close_dt > current_date
        #   s.CloseType IN (0,1,3,7,8)
        if (open_dt  current_date) and 
            close_type in valid_close_types):
            results.append({
                'CurrentDate': current_date,
                'User_Id': row['User_Id'],
                'OpenDate': open_dt,
                'CloseDate': close_dt,
                'CloseType': close_type
            })

# 5. 构造结果 DataFrame
result_df = pd.DataFrame(results)
print(f"共生成 {len(result_df)} 行有效状态快照")
print(result_df.head(10))

✅ 关键要点说明：

• 日期类型统一：务必使用 pd.to_datetime() 将字符串列转为 datetime64[ns]，否则比较会出错或隐式转换失败；对可能为空的 CloseDate 使用 errors='coerce' 保证 NaT（Not a Time）安全。
• 空值处理逻辑：pd.isnull(row['CloseDate']) or row['CloseDate'] > current_date 精确复现了 SQL 中 ISNULL(s.CloseDate, '2050-01-01') > @currentDate 的语义——即未关闭（CloseDate 为空）视为长期有效。
• 性能提示：本方案适用于中小规模数据（merge + query 或 pd.IntervalIndex），避免 Python 层双重循环。
• CloseType 白名单：使用 set 而非 list 进行成员判断，时间复杂度从 O(n) 降至 O(1)，显著提升内层循环效率。

最终输出的 result_df 每一行代表「某用户在某日处于有效开启状态」，可直接用于后续的日粒度聚合分析（如每日活跃用户数、状态分布热力图等）。