如何用Pandas基于收货日期与定价日期填充产品表缺失价格

步骤1：先把日期列转成可比较的格式 #

首先得把receipt dates（收货日期）和DATE OF GIVEN PRICE（定价日期）这两列转成Pandas的datetime类型，不然字符串没法正确比较日期大小：

import pandas as pd

# 读取你的数据（这里假设是Excel文件，按需替换成read_csv等）
df = pd.read_excel("你的文件路径.xlsx")

# 转换日期列格式
df["receipt dates"] = pd.to_datetime(df["receipt dates"])
df["DATE OF GIVEN PRICE"] = pd.to_datetime(df["DATE OF GIVEN PRICE"])

步骤2：按产品分组处理价格填充 #

因为不同产品的定价规则是独立的，所以要按产品名称分组处理，分两种常见情况：

情况1：每个产品只有一个定价（仅一行有价格值） #

如果每个产品只有一行有价格和对应的定价日期，其他行价格为空，直接提取该产品的定价信息，给符合日期条件的行填充：

# 提取每个产品的定价日期和对应价格
product_pricing = df.dropna(subset=["prices"]).set_index("产品名称")[["DATE OF GIVEN PRICE", "prices"]]

# 把定价信息合并回原表，让每个产品行都能拿到自己的定价数据
df = df.merge(product_pricing, on="产品名称", suffixes=("", "_fixed"))

# 填充价格：仅当原价格为空，且收货日期晚于定价日期时，用提取到的定价填充
df["prices"] = df.apply(
    lambda row: row["prices_fixed"] if pd.isna(row["prices"]) and row["receipt dates"] > row["DATE OF GIVEN PRICE_fixed"] else row["prices"],
    axis=1
)

# 删掉临时生成的辅助列
df = df.drop(columns=["DATE OF GIVEN PRICE_fixed", "prices_fixed"])

情况2：每个产品有多个定价（多行有不同价格和定价日期） #

如果产品存在多个定价节点，需要给每个收货日期匹配最新的、定价日期早于收货日期的价格，可以结合ffill和日期筛选实现：

# 先按产品名称+定价日期排序，保证定价顺序正确
df = df.sort_values(by=["产品名称", "DATE OF GIVEN PRICE"])

# 分组后向前填充价格，但只保留收货日期晚于对应定价日期的填充结果
df["prices"] = df.groupby("产品名称").apply(
    lambda group: group["prices"].ffill().where(group["receipt dates"] >= group["DATE OF GIVEN PRICE"].ffill())
).reset_index(drop=True)

验证结果 #

处理完成后可以直接打印查看结果是否符合预期：

print(df)

内容的提问来源于stack exchange，提问作者David