Python金融模型中如何自动将DataFrame多列合并为单一时间序列？

我用Python构建了一个金融模型，可输入y个场景（含基准场景）下x年的销售额与利润数据。年度数据按场景存入首个DataFrame（比如x=5且起始年为2022时，基准场景销售额列会包含2022-2026年的数据）。之后我用月度权重生成月度分阶段销售预测，存入新DataFrame，每个年份对应一列（如Base sales 2022、Base sales 2023等）。我需要把这些列合并为单一时间序列（如2022年1月至2026年12月的基准销售额序列），用于图表制作与分析。

我之前用手动添加列名的方式实现过，但这种方法没法适配可变的场景数与年份数，所以尝试自动化处理但没找到可行方案。我没分享主模型代码，而是写了一个示例模型（如下），但代码没法正常运行：虽然输出了创建listA0、listA1、listA2的语句，但这些列表并未实际创建（调用时提示NameError），且输出是多行而非单行。需要解决方案。

# 创建场景列表并记录数量
Scenlist=["Bad","Very bad","Terrible"]
Scen_number=3
# 创建评估年份列表并计算年份数量
Years=[2020,2021,2022]
Totyrs=len(Years)
# 创建dprofit数据集，示例中所有列都填充[10,10]

dprofit=pd.DataFrame()
a=0
b=0

# 创建格式为"Bad profit 2020"、"Bad profit 2021"的列名

while a<Scen_number:
  while b<Totyrs:
    dprofit[Scenlist[a]+" profit "+str(Years[b])]=[10,10]
    b=b+1
  b=0
  a=a+1

# 打印生成的表格
print(dprofit)

# 创建新数据集dprofit2，用于将每个场景的年度列合并为完整时间序列
dprofit2=pd.DataFrame()
# 尝试生成代码语句，将dprofit的列合并为listA0、listA1、listA2

a=0
b=0
Totyrs=len(Years)
while a<Scen_number:
   while b<Totyrs:
    if b==0:
      print(f"listA{a}=dprofit['{Scenlist[a]} profit {Years[b]}']")
    else:
      print(f"+dprofit['{Scenlist[a]} profit {Years[b]}']")
    b=b+1
  b=0
  a=a+1
print(listA0)

# 调用print(listA0)会报错：NameError: name 'listA0' is not defined. Did you mean: 'list'?

原代码核心问题 #

1. 你只是打印了赋值语句的字符串，并没有实际执行这些代码来创建列表，自然会触发NameError。
2. 循环输出的是多行拼接代码，无法直接作为可执行语句运行。

正确实现方式 #

不需要通过生成字符串代码的方式，直接用pandas的内置方法就能高效完成场景列的合并，同时适配任意数量的场景和年份：

方法1：用字典存储各场景的合并序列

import pandas as pd

# 初始化场景和年份（和原代码一致）
Scenlist=["Bad","Very bad","Terrible"]
Years=[2020,2021,2022]

# 构建示例dprofit（优化原循环写法）
dprofit = pd.DataFrame()
for scen in Scenlist:
    for year in Years:
        dprofit[f"{scen} profit {year}"] = [10,10]

# 为每个场景合并年度列，存储到字典中
scen_series = {}
for scen in Scenlist:
    # 筛选当前场景的所有年度列
    scen_cols = [col for col in dprofit.columns if col.startswith(f"{scen} profit")]
    # 按年份顺序合并列，转为单一序列
    merged_series = pd.concat([dprofit[col] for col in scen_cols], ignore_index=True)
    scen_series[scen] = merged_series

# 调用示例：获取Bad场景的合并序列
print(scen_series["Bad"])

方法2：直接构建带时间索引的完整时间序列（适配月度数据场景）

如果你的实际需求是生成月度时间序列，可以直接构造日期索引，把年度数据按权重拆分后合并：

import pandas as pd
import numpy as np

# 示例月度权重（假设每年12个月，权重均等）
monthly_weights = np.ones(12)/12

# 初始化场景和年份
Scenlist=["Bad","Very bad","Terrible"]
Years=[2020,2021,2022]

# 构建示例年度利润数据（每个场景每年的年度值）
annual_profit = pd.DataFrame({
    f"{scen} profit {year}": [100] for scen in Scenlist for year in Years
})

# 生成完整月度时间索引
date_index = pd.date_range(start=f"{Years[0]}-01-01", end=f"{Years[-1]}-12-31", freq="MS")

# 为每个场景生成月度序列
dprofit_monthly = pd.DataFrame(index=date_index)
for scen in Scenlist:
    # 提取当前场景的所有年度列
    scen_annual_cols = [col for col in annual_profit.columns if col.startswith(f"{scen} profit")]
    # 按年份顺序拆分年度值为月度数据
    monthly_data = []
    for year in Years:
        annual_value = annual_profit[f"{scen} profit {year}"].iloc[0]
        monthly_data.extend(annual_value * monthly_weights)
    # 添加到结果数据集
    dprofit_monthly[f"{scen} profit monthly"] = monthly_data

# 查看结果
print(dprofit_monthly)

关键优化点 #

• 用**列表推导式+pd.concat**替代手动拼接，适配任意数量的场景和年份
• 避免动态生成代码字符串的危险操作，直接通过pandas API实现逻辑
• 若需处理月度数据，直接构造时间索引，确保序列的时间连续性

内容的提问来源于stack exchange，提问作者James Kelly