如何用Pandas按指定时间间隔筛选数据并重构列输出格式

现有包含周度间隔数据的Pandas DataFrame（名称为inndata），数据结构如下（日期列存在合并单元格空值）：

需要按指定时间间隔（1周、1年）筛选对应行数据，提取Z列生成如下格式的结果：

以下是尝试但未成功的代码：

inndata['Z'] = pd.DataFrame({
              '1W': df.iloc[0,:]
             ,'1YR': df.iloc[-52,:]
            }).T

步骤1：填充日期列空值 #

原DataFrame的日期列因合并单元格存在空值，需先向前填充，让每个项目行对应正确的日期：

inndata['日期'] = inndata['日期'].ffill()

步骤2：转换日期为datetime类型 #

将日期字符串转为Pandas可识别的datetime格式，方便后续时间筛选：

inndata['日期'] = pd.to_datetime(inndata['日期'], format='%m-%d-%Y')

步骤3：筛选指定时间点的数据 #

这里「1W」对应最早的周度数据，「1YR」对应最晚的周度数据（即一年后的最后一组数据），先定位这两个日期：

earliest_date = inndata['日期'].min()
latest_date = inndata['日期'].max()

# 筛选这两个日期的所有行
filtered_data = inndata[inndata['日期'].isin([earliest_date, latest_date])]

步骤4：重塑为目标格式 #

使用pivot方法将数据转换为项目作为行、时间间隔作为列的结构，并重命名列名：

result = filtered_data.pivot(index='项目', columns='日期', values='Z')
result.columns = ['1W', '1YR']  # 按早到晚的顺序对应1W和1YR

执行后result即为目标格式的DataFrame，输出后与需求表格一致。

原代码问题说明 #

• 错误使用了未定义的df变量（应为inndata）
• iloc[0,:]和iloc[-52,:]仅提取单行数据，无法覆盖所有项目的对应时间点数据
• 赋值逻辑错误，直接修改inndata['Z']会破坏原数据结构，且无法生成目标的多列格式

内容的提问来源于stack exchange，提问作者SJ1