• • 编辑**：我不得不在一个项目中重新考虑这个问题，看起来将DataFrame.apply与pd.date_range和DataFrame.explode一起使用几乎快了3倍：

df["date"] = df.apply(
    lambda row: pd.date_range(row["start_date"], row["end_date"]),
    axis=1
)
df = (
    df.explode("date", ignore_index=True)
    .drop(columns=["start_date", "end_date"])
)

• • 产出**

id  age state       date
0    123   18    CA 2019-02-17
1    123   18    CA 2019-02-18
2    123   18    CA 2019-02-19
3    123   18    CA 2019-02-20
4    123   18    CA 2019-02-21
..   ...  ...   ...        ...
119  223   24    AZ 2019-02-28
120  223   24    AZ 2019-03-01
121  223   24    AZ 2019-03-02
122  223   24    AZ 2019-03-03
123  223   24    AZ 2019-03-04

[124 rows x 4 columns]

原始答案：

一米三纳一x，一米四纳一x，一米五纳一x和一米六纳一x
首先，我们将两个日期列melt（反透视）为一列，然后按天resample：

melt = df.melt(id_vars=['id', 'age', 'state'], value_name='date').drop('variable', axis=1)
melt['date'] = pd.to_datetime(melt['date'])

melt = melt.groupby('id').apply(lambda x: x.set_index('date').resample('d').first())\
           .ffill()\
           .reset_index(level=1)\
           .reset_index(drop=True)

• • 产出**

date     id   age state
0   2019-02-17  123.0  18.0    CA
1   2019-02-18  123.0  18.0    CA
2   2019-02-19  123.0  18.0    CA
3   2019-02-20  123.0  18.0    CA
4   2019-02-21  123.0  18.0    CA
..         ...    ...   ...   ...
119 2019-02-28  223.0  24.0    AZ
120 2019-03-01  223.0  24.0    AZ
121 2019-03-02  223.0  24.0    AZ
122 2019-03-03  223.0  24.0    AZ
123 2019-03-04  223.0  24.0    AZ

[124 rows x 4 columns]

对列start_date和end_date的值使用listcomp和pd.date_range，为每个记录创建日期列表。接下来，根据listcomp的结果构造新的 Dataframe ，并联接回df的其他3列。最后，联接回set_index、stack和reset_index

a = [pd.date_range(*r, freq='D') for r in df[['start_date', 'end_date']].values]
(df[['id', 'age', 'state']]
    .join(pd.DataFrame(a)).set_index(['id', 'age', 'state'])
    .stack().droplevel(-1).reset_index()
    )

Out[187]:
      id  age state          0
0    123   18    CA 2019-02-17
1    123   18    CA 2019-02-18
2    123   18    CA 2019-02-19
3    123   18    CA 2019-02-20
4    123   18    CA 2019-02-21
..   ...  ...   ...        ...
119  223   24    AZ 2019-02-28
120  223   24    AZ 2019-03-01
121  223   24    AZ 2019-03-02
122  223   24    AZ 2019-03-03
123  223   24    AZ 2019-03-04

[124 rows x 4 columns]