自动化更新季度财务数据：用df2填充df1缺失的时间序列数据

用户需每季度更新财务Excel表格，希望实现更新流程自动化：现有含缺失值（NaN）的历史时间序列数据df1，以及最新年度财务数据df2，需将df2的数据匹配填充至df1对应年份的缺失字段，得到完整的历史时间序列数据。

示例数据 #

历史数据（df1） #

Date   DebtGDP   Credit    Expenditure
 2020  0.053078  0.501184    757.000000  
 2021  0.935433  0.050437    229.000000 
 2022      NaN       NaN        NaN
 2023      NaN       NaN        NaN

最新年度数据（df2） #

Date   DebtGDP   Credit    Expenditure
 2022  0.056078  0.401184    757.000000
 2023  0.605842  0.661184    900.000000

期望输出 #

Date   DebtGDP   Credit    Expenditure
 2020  0.053078  0.501184    757.000000  
 2021  0.935433  0.050437    229.000000 
 2022  0.056078  0.401184    757.000000
 2023  0.605842  0.661184    900.000000

解决方案 #

使用Pandas的combine_first方法即可高效实现需求，代码如下：

import pandas as pd

# 假设df1和df2已通过pd.read_excel读取完成
# 将Date列设为索引，实现按年份精准匹配
df1 = df1.set_index('Date')
df2 = df2.set_index('Date')

# 用df2的数据填充df1的缺失值，保留df1原有有效数据
df_updated = df1.combine_first(df2).reset_index()

# 若需要保存回Excel
df_updated.to_excel('完整财务数据.xlsx', index=False)

代码说明 #

• set_index('Date')：将年份设为索引，确保两个DataFrame能按年份一一对应
• combine_first(df2)：优先保留df1的非缺失值，仅用df2的值填充df1中的NaN
• reset_index()：将Date列恢复为普通列，还原原始表格结构
• to_excel：将更新后的数据保存回Excel文件，完成自动化更新

内容的提问来源于stack exchange，提问作者PyPixels