Python Pandas：如何将月度不同日期的数据合并为单月行？

问题分析 #

核心需求是将同一月份内多次发布的经济指标数据合并为一行，保留每个指标的最新有效值（避免求和/均值等错误聚合方式），同时处理行内的NaN值。

示例数据准备 #

基于你提供的示例构建DataFrame：

import pandas as pd

data = {
    'Dates': ['01.01.20', '08.01.20', '02.02.20', '01.03.20', '31.03.20'],
    'Indicator 1': [1, 2, 5, 8, 7],
    'Indicator 2': [1, pd.NA, 5, 6, 7]
}
df = pd.DataFrame(data)

分步解决方案 #

1. 转换日期并排序
   先把日期列转为datetime格式，并按日期排序，确保同一月份内的数据按发布时间先后排列：

   # 转换日期格式（匹配你的输入格式）
   df['Dates'] = pd.to_datetime(df['Dates'], format='%d.%m.%y')
   # 按日期排序，保证后续取最新值的逻辑正确
   df = df.sort_values('Dates')
   # 提取月份周期，作为分组依据
   df['Month'] = df['Dates'].dt.to_period('M')
   

2. 按月分组并保留最新有效值
   使用分组聚合，对每个指标取分组内最后一个非NaN值（即最新发布的有效数据）：

   # 按月份分组，聚合逻辑：取每个指标的最后一个非空值
   result = df.groupby('Month').agg(
       lambda x: x.dropna().iloc[-1] if not x.dropna().empty else pd.NA
   )
   # 清理结果：去掉原日期列，重置索引
   result = result.drop('Dates', axis=1).reset_index()
   

最终结果 #

运行后得到的result如下：

关键逻辑说明 #

• 排序保证了同一月份内的数据按发布时间从早到晚排列，最后一个非NaN值就是该指标的最新修正值。
• 聚合时跳过NaN值，避免了将后续发布的NaN覆盖之前的有效值（比如1月8日的Indicator2为NaN，会保留1月1日的1）。
• 完全规避了求和、均值等错误的聚合方式，符合经济指标更新的业务逻辑。

内容的提问来源于stack exchange，提问作者Hinnerk Lührs