如何在Pandas DataFrame中扩展未来日期索引并填充NA值？

问题场景 #

现有一个以月度日期为索引的Pandas DataFrame，数据截至当月，需要为未来1年的周期添加对应行并填充NA值。尝试以下代码时出现报错：

recentDate = inputFileDf.index[-1]
outputFileDf.index = outputFileDf.index.append(pd.date_range(recentDate , periods=12, freq="M"))

报错信息：

ValueError: Length mismatch: Expected axis has 396 elements, new values have 408 elements

错误原因 #

直接修改索引的方式不可行，因为原DataFrame的行数（396）和新索引的长度（396+12=408）不匹配，Pandas不允许这种长度不一致的索引赋值操作。

正确解决方案 #

使用reindex方法实现索引扩展并自动填充NA，这是Pandas中处理此类需求的标准方式：

方法1：基于原索引追加未来日期 #

import pandas as pd

# 获取现有数据的最后一个日期
recent_date = inputFileDf.index[-1]
# 生成未来12个月的月末日期（从下一个月开始）
future_dates = pd.date_range(
    start=recent_date + pd.offsets.MonthBegin(1),
    periods=12,
    freq="M"
)
# 合并原索引与未来日期
full_index = inputFileDf.index.append(future_dates)
# 重新索引，缺失行自动填充NA
outputFileDf = inputFileDf.reindex(full_index)

方法2：直接生成完整的日期范围（更简洁） #

如果原索引是连续的月度日期，可以直接生成从起始日期到未来12个月后的完整索引：

import pandas as pd

recent_date = inputFileDf.index[-1]
# 生成包含历史数据和未来1年的完整月度索引
full_index = pd.date_range(
    start=inputFileDf.index[0],
    end=recent_date + pd.DateOffset(months=12),
    freq="M"
)
# 重新索引
outputFileDf = inputFileDf.reindex(full_index)

这两种方法都会自动为新增的未来日期行填充NA值，同时保留原有数据不变。

内容的提问来源于stack exchange，提问作者hengjuice