如何在Pandas中按日期匹配Variant，将df2的Qty加到df1当月末的Qty

需求描述 #

现有两个DataFrame：

• df1：包含日期、Variants、qty字段，同一Variant在对应月份有多条日期记录
• df2：包含Variants、qty字段，存储需要累加的qty值

需完成以下操作：

• 匹配df1和df2中的Variants
• 将df2中匹配Variant的qty值，加到df1对应Variant所在月份最后一个日期记录的qty字段上
• 非最后日期的记录qty保持不变

示例：
df1中Variant A的2022年1月最后日期为31日，对应qty为2；df2中Variant A的qty为5。处理后，df1中Variant A在31日的qty变为7，其余日期记录不变。

实现代码 #

import pandas as pd

# 确保df1的日期列是datetime类型
df1['Date'] = pd.to_datetime(df1['Date'])

# 为df1添加年月标识，用于分组定位每月最后一条记录
df1['year_month'] = df1['Date'].dt.to_period('M')

# 找出每个Variant+年月组合的最后一条记录的索引
last_dates_idx = df1.groupby(['Variants', 'year_month'])['Date'].idxmax()

# 合并df2的qty到df1，匹配不到的Variant填充0
df1 = df1.merge(df2, on='Variants', how='left', suffixes=('', '_add'))
df1['qty_add'] = df1['qty_add'].fillna(0)

# 仅对每月最后一条记录的qty进行累加
df1.loc[last_dates_idx, 'qty'] += df1.loc[last_dates_idx, 'qty_add']

# 清理临时辅助列
df1 = df1.drop(columns=['year_month', 'qty_add'])

# 输出处理后的结果
print(df1)

代码说明 #

1. 日期格式转换：将df1的日期列转为datetime类型，确保后续年月分组、最大日期查找的准确性
2. 年月分组标识：生成year_month列，用于按Variant+月份维度分组
3. 定位最后记录索引：通过groupby结合idxmax，精准定位每个Variant对应月份的最后一条日期记录位置
4. 合并数据：将df2的qty值合并到df1中，对未匹配到的Variant填充0，避免空值运算报错
5. qty累加操作：仅对每月最后一条记录的qty字段执行累加，不影响其他日期的记录
6. 清理临时列：删除过程中生成的辅助列，得到结构整洁的最终结果

内容的提问来源于stack exchange，提问作者kanika