如何用Pandas提取2015-2020年无重复Total值，缺失年份显示unavailable

我明白你的痛点：现有代码在2020年数据存在时能正常输出每年唯一的Total值，但一旦2020年数据缺失，整个输出就断了，连后面的2019-2015年数据也出不来，还得处理缺失年份显示unavailable的需求。咱们换个思路来解决这个问题，比原代码更靠谱：

核心思路：先做数据映射，再遍历年份 #

原代码的问题在于它依赖逐行匹配年份，一旦某一年没找到，就不会触发打印也不会推进计数器，导致后续年份都没法处理。我们可以先把每个年份对应的唯一Total值整理成一个字典，然后直接遍历2020到2015的所有年份，逐个查字典——有值就输出，没值就输出unavailable。

修改后的完整代码 #

import pandas as pd

# 先处理你的DataFrame，得到年份到唯一Total值的映射
# 两种方法二选一，效果一样：
# 方法1：去重后转字典
year_total_map = df.drop_duplicates(subset=['Year']).set_index('Year')['Total'].to_dict()
# 方法2：按年份分组取第一个值（同一年Total值都重复，取第一个就行）
# year_total_map = df.groupby('Year')['Total'].first().to_dict()

# 从2020到2015倒序遍历年份
for year in range(2020, 2014, -1):
    print(year_total_map.get(year, 'unavailable'))

测试两种场景 #

场景1：有2020年数据的情况 #

用你给的第一个DataFrame测试，输出会是：

0.66
1.5
unavailable
unavailable
unavailable
unavailable

（因为示例里只有2020和2019的数据，2018-2015都缺失，所以显示unavailable，完全符合要求）

场景2：缺失2020年数据的情况 #

用第二个DataFrame测试，输出会是：

unavailable
2.00%
7.87%
12.27%
4.67%
unavailable

（2020和2015年缺失，显示unavailable，其他年份正常输出唯一值）

为什么这个方案更稳？ #

• 效率更高：不用遍历DataFrame的每一行，预处理后直接查字典，大数据量下优势明显
• 不会断档：不管哪个年份缺失，都会按顺序输出所有目标年份的结果，不会因为某一年没数据就停住
• 逻辑清晰：把数据整理和年份输出分开，以后要改年份范围或者缺失值显示内容，直接改对应的地方就行

内容的提问来源于stack exchange，提问作者user3702643