如何用Pandas为DataFrame补全每月剩余日期并填充首日值？

错误原因 #

你之前的代码报错是因为Date列并非唯一索引——多个国家在同一天（比如2021-01-01）都有数据，将Date设为索引后会出现重复值，而asfreq方法要求索引必须是唯一的时间序列，因此触发了ValueError。

解决方案：按国家分组处理 #

每个国家的货币数据是独立的时间序列，需按国家分组后分别补全日期，再合并结果。具体实现如下：

代码示例 #

import pandas as pd

# 假设你的原始DataFrame名为df
# 按ISO代码分组，每个国家单独处理时间序列
df_daily = df.groupby('ISO_Code', group_keys=False).apply(
    lambda group: group.set_index('Date').asfreq('D', method='ffill').reset_index()
)

# 重置最终索引（可选，根据需求调整）
df_daily = df_daily.reset_index(drop=True)

代码说明 #

• groupby('ISO_Code')：按国家唯一标识（ISO代码）分组，确保每个分组对应单个国家的月度数据
• apply(lambda group: ...)：对每个国家的子数据集执行补全操作：
  • set_index('Date')：将当前分组的日期设为索引（此时分组内的日期是唯一的，每个国家每月仅一条首日数据）
  • asfreq('D', method='ffill')：将时间序列补全为每日频率，并用前向填充（ffill）沿用当月首日的数值
  • reset_index()：将日期重新转为列，方便后续合并
• group_keys=False：避免保留额外的分组键列，让结果结构更简洁

结果验证 #

处理完成后，每个国家的每个月会从首日补全至当月最后一天，所有新增日期的value列将沿用该月首日数值，Currency_Name、Base_Currency等其他列也会自动填充对应国家的信息。

内容的提问来源于stack exchange，提问作者2837a