如何将基金NAV数据从长表转宽表并填充至新Pandas DataFrame？

嘿，你已经搭好空的宽格式DataFrame框架了，接下来填充数据不用手动循环一个个搞，用Pandas的内置方法就能高效搞定：

方法一：直接从原数据生成宽表再补全日期序列 #

其实你可以跳过先创建空DataFrame的步骤，直接把原长格式数据转成宽格式，再扩展到完整日期范围，流程更简洁：

# 第一步：确保原数据的date列是datetime类型，避免索引匹配出错
df['date'] = pd.to_datetime(df['date'])

# 第二步：将原数据转成宽格式（日期为索引，基金代码为列）
wide_format_df = df.pivot(
    index='date',
    columns='fund code',
    values='NAV'
)

# 第三步：扩展到你需要的完整日期序列，缺失值自动用NaN填充
days = pd.date_range(df['date'].min(), df['date'].max(), freq='D')
final_df = wide_format_df.reindex(days)

方法二：填充你已创建的Newdf #

如果你想基于已经建好的Newdf来填充，也可以这么操作：

# 先统一日期类型，确保索引匹配
df['date'] = pd.to_datetime(df['date'])

# 把原数据设置为(date, fund code)的多级索引，方便精准定位NAV值
df_multi_index = df.set_index(['date', 'fund code'])['NAV']

# 将多级索引数据展开为宽格式，再匹配Newdf的日期索引完成填充
Newdf = df_multi_index.unstack().reindex(Newdf.index)

逻辑说明 #

• set_index(['date', 'fund code']) 让每一个NAV值都绑定到「日期+基金」的唯一位置上
• unstack() 把复合索引转成你需要的宽格式结构（日期为行，基金为列）
• reindex(Newdf.index) 把数据扩展到你之前定义的完整日期序列，缺失的日期/基金对应的位置会自动填充NaN，正好对应你示例里的...

这样处理后，你的Newdf就会完全符合预期：每一行是日期，每一列是基金，对应单元格填充好NAV数据。

内容的提问来源于stack exchange，提问作者idleriver