Pandas：GroupBy调用.shift()后，如何用上一对应分组值填充缺失？

问题分析 #

你当前的代码在计算区分工作日/周末的上周同小时均值时，因为分组包含year和week，导致shift()只能在同一年同一周的组内操作，跨年或新的一周会出现大量缺失。而直接按hour和是否周末分组ffill()会无限制填充历史值，不符合仅用前一周对应分组值填充的需求。

解决方案 #

核心思路是用连续的周序数替代year+week分组，确保跨年周是连续序列，然后针对每个小时+是否周末的组，仅取前一周的均值填充当前周的缺失。

步骤1：生成连续周序数与分组键

先从时间索引中提取关键分组字段，其中week_ord是连续的周序数（解决跨年周断档问题）：

# 从索引提取小时、是否周末
df['hour'] = df.index.hour
df['is_weekend'] = df.index.dayofweek > 4
# 生成连续周序数（从0开始递增，跨年周也连续）
df['week_ord'] = df.index.to_period('W').ordinal

步骤2：计算每周分组均值

按小时+是否周末+连续周序数分组，计算每组的均值：

df['weekly_mean'] = df.groupby(['hour', 'is_weekend', 'week_ord'])['value'].transform('mean')

步骤3：位移并关联上周均值

提取每组每周的唯一均值，然后针对小时+是否周末组，将均值位移一周，最后合并回原数据：

# 提取每个（小时、是否周末、周）的唯一均值
weekly_summary = df.groupby(['hour', 'is_weekend', 'week_ord'])['weekly_mean'].first().reset_index()
# 对每个（小时、是否周末）组，将均值向后位移一周（当前周用上一周的均值）
weekly_summary['prev_week_value'] = weekly_summary.groupby(['hour', 'is_weekend'])['weekly_mean'].shift(1)
# 合并回原DataFrame，得到每个时间点对应的上周均值
df = df.merge(weekly_summary[['hour', 'is_weekend', 'week_ord', 'prev_week_value']],
              on=['hour', 'is_weekend', 'week_ord'], how='left')

效果说明 #

• 新的prev_week_value字段，每个时间点的值都是上周同一小时、同一工作日/周末类型的均值
• 仅当某组（小时+是否周末）没有前一周数据时才会缺失，不会出现用几个月前旧值填充的情况
• 若需要处理最早几周的缺失值，可以针对性填充（比如用自身周的均值，或者最早的周均值），避免无限制向前填充

内容的提问来源于stack exchange，提问作者NotPzl