如何基于条件使用pandas的shift函数处理缺货日需求平滑？

问题描述 #

我有一个包含日期（calendar_date）、缺货标识（stock_out）和订单量（orders）的销售DataFrame。需要平滑缺货日的需求，计算逻辑是取昨日订单量、12日前订单量以及3日移动平均值的均值，但有个关键规则：如果昨日或12日前当天处于缺货状态，需要持续回溯直至找到首个非缺货日的订单量。

示例数据如下：

import pandas as pd

calendar_date = pd.date_range("2020-01-01", "2020-01-31")
stock_out_flag = [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1.]
orders = [45., 51., 48., 52., 51., 47., 49., 48., 51., 51., 49., 49., 52.,
       47., 51., 55., 51., 48., 49., 53., 50., 52., 51., 48., 51., 53.,
       49., 56., 0., 0., 0.]
df = pd.DataFrame.from_dict({'calendar_date':calendar_date, 'stock_out':stock_out_flag,
'orders':orders})

比如示例中当月最后三天缺货，1月30日、31日的昨日订单值应该取首个非缺货日的56。平时习惯用pandas的shift函数取滞后值，请问怎么实现这种带条件的回溯取值？

解决方案 #

核心思路 #

直接使用shift无法处理回溯逻辑，需要先构建一个非缺货订单量的填充序列：将缺货日的订单量替换为最近的非缺货日值，之后再用shift取滞后值就能满足需求。

具体步骤 #

1. 生成非缺货订单的填充列

先筛选出所有非缺货日的订单量，缺货日设为NaN，再通过向前填充（ffill()）用最近的非缺货值覆盖缺货日：

# 创建填充列：非缺货日保留原订单量，缺货日设为NaN
df['filled_orders'] = df['orders'].where(df['stock_out'] == 0)
# 向前填充，用最近的非缺货值填充缺货日
df['filled_orders'] = df['filled_orders'].ffill()

执行后，示例中最后三天的filled_orders都会被填充为1月28日的56。

2. 用shift获取滞后值

基于填充后的列，直接用shift取昨日（滞后1天）和12日前（滞后12天）的订单量：

# 昨日首个非缺货订单量
df['prev_day_order'] = df['filled_orders'].shift(1)
# 12日前首个非缺货订单量
df['prev_12day_order'] = df['filled_orders'].shift(12)

3. 计算3日移动平均值

移动平均同样基于填充后的列，计算3日窗口的均值（min_periods=1确保窗口不足3天时仍能计算）：

# 3日移动平均值（窗口包含当前及前2天）
df['3d_ma'] = df['filled_orders'].rolling(window=3, min_periods=1).mean()

4. 计算最终平滑需求

取三个指标的均值作为缺货日的平滑需求：

# 计算平滑需求
df['smoothed_demand'] = df[['prev_day_order', 'prev_12day_order', '3d_ma']].mean(axis=1)

验证结果 #

查看最后三天的数据：

print(df.tail(3)[['calendar_date', 'stock_out', 'orders', 'filled_orders', 'prev_day_order', 'smoothed_demand']])

输出会显示prev_day_order均为56，符合预期的回溯取值逻辑。

补充说明 #

• 若存在连续多个缺货日，ffill()会自动持续回溯到最近的非缺货日，完全满足需求；
• 若需处理最早日期之前的缺货情况（比如前12天无有效数据），可结合bfill()或指定默认值补充；
• 所有计算基于填充后的filled_orders，确保逻辑统一。

内容的提问来源于stack exchange，提问作者Jordan Howell