如何为数据框中的每个唯一 ID 创建特定的 date_range？

我想为数据集中的每个客户创建一个日期范围。每个客户都有自己的范围。如果没有 for 循环，如何做到这一点？

样本数据：

import pandas as pd
dates = ['2018-01', '2018-04', '2018-10', '2018-11', '2018-12', '2018-01', '2018-04']
customers = ['A', 'A', 'A', 'A', 'A', 'B', 'B']
df = pd.DataFrame({'customers':customers, 'date':dates})
df.head(10)

现在我希望每个客户的每一行都有一个月的时间，分别是他们的最短和最长日期，以获得：

import pandas as pd
dates = ['2018-01', '2018-02', '2018-03', '2018-04', '2018-05', '2018-06', '2018-07', '2018-08', '2018-09', '2018-10', '2018-11', '2018-12', '2018-01', '2018-02', '2018-03', '2018-04']
customers = ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B','B']
df1 = pd.DataFrame({'customers':customers, 'date':dates})
df1.head(16)

我的尝试是使用 for 循环，遍历每个客户，但速度太慢。如何让它更快？

def get_date_frame(start_date, end_date):
    date_frame = pd.date_range(start=start_date, end=end_date, freq='MS')
    date_frame = pd.DataFrame(pd.DataFrame(date_frame.astype(str))[0].str[:7])
    date_frame.columns = ['date']
    return date_frame

for idx, jk in (enumerate(['A', 'B'])):
    guy = df[df['customers']==jk]['date'] #get the data for that customer
    guy.reset_index(drop=True, inplace=True) #reset
    
    start = guy[0] #first date
    end = guy[len(guy)-1]  #last date
    
    dframe = get_date_frame(start, end) #get range of dates
    dframe['customer'] = jk #add customer id

    if idx == 0:
        out = dframe.copy()
    else:
        out = pd.concat((out, dframe.copy()), axis = 0) #concat outputs