如何用周度日期替换月度DataFrame日期并按条件填充数据？

步骤1：统一日期匹配标识 #

先给两个DataFrame添加年月关联列，用来匹配同一国家、同一月份的数据：

import pandas as pd

# 若日期列不是datetime类型，先转换
a['date'] = pd.to_datetime(a['date'])
b['date'] = pd.to_datetime(b['date'])

# 给a提取年月（如2020-01）作为匹配键
a['year_month'] = a['date'].dt.to_period('M')

# 给b提取周度日期所属的年月，作为匹配键
b['year_month'] = b['date'].dt.to_period('M')

步骤2：关联数据并填充值 #

通过merge方法按country和year_month关联两个DataFrame，保留目标列：

# 合并数据，用b的周度日期、country关联a的barley_yie值
result = pd.merge(
    b[['date', 'country', 'year_month']],
    a[['country', 'year_month', 'barley_yie']],
    on=['country', 'year_month'],
    how='left'
)

# 删除临时关联列，整理成目标格式
result = result.drop('year_month', axis=1)

步骤3：验证结果 #

最终生成的resultDataFrame会呈现你需要的结构：每个周度日期对应所属月份的barley_yie值，按国家维度匹配填充，示例如下：

补充处理 #

如果存在周度日期找不到对应月份数据的情况，barley_yie会显示NaN，可根据需求用fillna补充默认值：

# 示例：用0填充空值，也可替换为其他合理值
result['barley_yie'] = result['barley_yie'].fillna(0)

内容的提问来源于stack exchange，提问作者Arghya Ganguly