Pandas：补全DataFrame中缺失的月份记录

Got it, let's work through this problem to fill in those missing monthly entries for each zipcode by carrying forward the last known cumulative purchase value. Here's a step-by-step approach using pandas:

1. 准备工作：转换日期格式 #

首先，我们需要把Date列转换成datetime类型，这样才能方便生成连续的时间序列。原数据的日期格式是"Month Year"（比如December 2018），所以用pd.to_datetime配合format='%B %Y'来解析：

import pandas as pd

# 你的示例数据
data = {
    'Zipcode': ['9999', '9999', '9999', '9999', '9999', '2400', '2400', '2400'],
    'Date': ['December 2018', 'January 2019', 'February 2019', 'March 2019', 'April 2019',
             'December 2018', 'January 2019', 'February 2019'],
    'Cumulative purchases': [2, 2, 2, 3, 4, 2, 3, 4]
}
df = pd.DataFrame(data)

# 转换日期为datetime类型
df['Date'] = pd.to_datetime(df['Date'], format='%B %Y')

2. 分组补全缺失月份 #

接下来，我们按Zipcode分组，为每个组生成完整的月份序列，然后用**向前填充（forward fill）**来补全缺失的累计购买量：

def process_zipcode_group(group):
    # 生成当前zipcode下从最早到最晚日期的所有月份（用'M'表示每月最后一天，保证和原数据时间对齐）
    full_month_range = pd.date_range(start=group['Date'].min(), end=group['Date'].max(), freq='M')
    # 重新索引到完整月份，并用上一个非缺失值填充空缺
    filled_group = group.set_index('Date').reindex(full_month_range).ffill()
    # 恢复Date列为普通列，重置索引
    filled_group = filled_group.reset_index().rename(columns={'index': 'Date'})
    return filled_group

# 对每个zipcode应用处理函数
filled_df = df.groupby('Zipcode', group_keys=False).apply(process_zipcode_group)

3. 恢复原日期格式 #

最后，把datetime类型的Date列转回你需要的"Month Year"字符串格式：

filled_df['Date'] = filled_df['Date'].dt.strftime('%B %Y')
# 重置行索引，让结果更整洁
filled_df = filled_df.reset_index(drop=True)

最终结果 #

运行完上面的代码后，filled_df就会包含每个zipcode的完整月份记录，缺失的月份会用上一个月的累计购买量填充，和你想要的输出完全一致：

关键细节说明 #

• pd.date_range的freq参数：用'M'会生成每月最后一天，和原数据的“Month Year”语义匹配；如果需要月初，换成'MS'即可，不影响补全逻辑。
• ffill()：专门用来向前填充缺失值，正好符合你“重复上一个月累计值”的需求。
• 分组处理：确保每个zipcode独立计算自己的日期范围，不会和其他zipcode的日期混淆。

内容的提问来源于stack exchange，提问作者TvCasteren