基于另一列推导日期：整合多期外部机构预测数据需求

核心需求是保留不同报告日期下的有效预测数据，将往期报告中未过期的预测点与新报告的预测拼接，形成完整的时间序列用于对比分析。以下是两种实用实现方法：

方法1：Excel手动操作 #

• 把所有历史预测数据按「报告日期」从早到晚排序
• 新增辅助列，用公式标记每个预测日期的首次出现记录：

  =COUNTIF($B$2:B2,B2)
  

  （假设「预测日期」在B列，下拉公式后，值为1的就是该预测日期第一次出现的记录）
• 按需筛选：要么直接保留所有辅助列值为1的记录（每个预测日期取最早的报告数据）；要么自定义筛选，比如挑出2023年1月报告中预测日期≤2023年2月的记录，再合并2023年3月报告的全部数据

方法2：Python（Pandas）自动化处理 #

• 读取所有预测数据：

  import pandas as pd
  df = pd.read_excel("预测数据汇总.xlsx")
  

• 按报告日期、预测日期升序排序：

  df = df.sort_values(by=["report dates", "forward dates"], ascending=[True, True])
  

• 自动保留每个预测日期的最早报告数据：

  merged_df = df.drop_duplicates(subset="forward dates", keep="first")
  

• 自定义拼接指定数据（比如1月前2个月预测+3月全量预测）：

  # 筛选1月报告的前2个月预测
  jan_data = df[(df["report dates"] == "2023-01-01") & (df["forward dates"] <= "2023-02-01")]
  # 筛选3月报告的全部预测
  mar_data = df[df["report dates"] == "2023-03-01"]
  # 合并数据
  custom_merged = pd.concat([jan_data, mar_data]).reset_index(drop=True)
  

合并后的数据会覆盖完整的预测周期，比如包含2023年1月报告对1-2月的预测，以及3月报告对3月至次年2月的预测，方便对比不同报告日期对同一时期的预测差异，扩大分析样本量。

内容的提问来源于stack exchange，提问作者Vishal Dawani