多列分组+多条件行筛选：Pandas代码报错修复与需求实现

报错ValueError: cannot insert date_freq, already exists是因为代码尝试向DataFrame插入已存在的date_freq列，属于重复操作导致的异常。以下是修正后的代码，同时实现需求中的数据筛选逻辑：

首先确保date列为datetime类型，再按分组规则处理每个子数据集：

import pandas as pd

# 确保日期列是datetime格式（若未转换则执行此步骤）
df['date'] = pd.to_datetime(df['date'])

def filter_group(group):
    freq = group['date_freq'].iloc[0]
    # 筛选actual_value数据
    if freq == 'Q':
        # 按日期倒序取最近2个季度的actual_value
        actual_data = group[group['indicator'] == 'actual_value'].sort_values('date', ascending=False).head(2)
        # 获取这两个季度日期，再追加下一个季度日期作为mape的筛选范围
        latest_dates = actual_data['date']
        next_quarter = latest_dates.min() + pd.DateOffset(months=3)
        mape_target_dates = latest_dates.append(pd.Series(next_quarter))
    else:  # 月度数据处理
        # 筛选指定时间段的actual_value
        actual_mask = (group['indicator'] == 'actual_value') & (group['date'] >= '2023-04-30') & (group['date'] <= '2023-07-31')
        actual_data = group[actual_mask]
        # 追加2023-08-31作为mape的额外筛选日期
        mape_target_dates = actual_data['date'].append(pd.Series(pd.to_datetime('2023-08-31')))
    
    # 筛选arima_mape和es_mape数据
    mape_data = group[(group['indicator'].isin(['arima_mape', 'es_mape'])) & (group['date'].isin(mape_target_dates))]
    
    # 合并两类数据并返回
    return pd.concat([actual_data, mape_data])

# 按指定维度分组并应用筛选逻辑
result_df = df.groupby(['indicator_name', 'region_code', 'date_freq'], group_keys=False).apply(filter_group)

# 可选：重置索引
result_df = result_df.reset_index(drop=True)

• 移除了原代码中重复插入date_freq列的操作，直接从分组后的子集中读取该字段值，避免重复列报错。
• 针对季度/月度数据分别实现筛选逻辑：
  • 季度数据通过倒序排序取最近2个季度，自动计算下一季度日期扩展mape筛选范围。
  • 月度数据直接按指定时间区间筛选actual_value，手动追加目标日期扩展mape范围。
• 使用group_keys=False避免分组键自动写入结果，保持数据结构简洁。

内容的提问来源于stack exchange，提问作者ah bon