如何在Pandas DataFrame中向前填充库存编码对应年份至2022年

需求说明 #

现有包含period（年份）和inventory code（库存编码）的DataFrame，需要为每个库存编码从其首次出现的起始年份开始，补充后续年份直到2022年，不回溯填充起始年份之前的年份（比如2019年出现的编码，不需要补2018年的行）。

实现步骤及代码 #

1. 准备测试数据

先还原示例数据：

import pandas as pd
list_year = [2018, 2018, 2019, 2020, 2020, 2021, 2021, 2022]
list_inv = ['TTO', 'TZA', 'OMN', 'RUS', 'SUR', 'TUR', 'USA', 'VAT']

df_test = pd.DataFrame({'period': list_year, 'inventory code': list_inv})

2. 提取每个库存编码的起始年份

通过分组聚合，找到每个编码首次出现的年份：

# 分组计算每个库存编码的最小年份（即起始年份）
start_years = df_test.groupby('inventory code')['period'].min().reset_index()

3. 生成完整年份序列并展开

对每个编码，生成从起始年份到2022的年份列表，再通过explode将列表拆分为多行：

# 为每个编码生成从起始年到2022的年份序列
start_years['period'] = start_years.apply(
    lambda row: list(range(row['period'], 2023)),  # 2023是开区间，最终会包含2022
    axis=1
)

# 展开年份序列，整理得到最终结果
result_df = start_years.explode('period') \
    .sort_values(['inventory code', 'period']) \
    .reset_index(drop=True)

4. 验证结果

查看处理后的DataFrame，以OMN为例，它的起始年份是2019，结果中会包含2019-2022的所有年份，不会出现2018年的行，完全符合需求。

补充说明 #

如果目标年份不是固定2022，可以把代码中的2023替换为target_year + 1，让代码更灵活。比如目标年份是2025，就改成range(row['period'], 2026)。

内容的提问来源于stack exchange，提问作者user032020