如何为Pandas DataFrame月度销售列批量添加分组序号列

这里提供两种高效的实现方式，适配你的月度销售DataFrame需求：

方法一：逐列插入序号列（直观易理解） #

先保存原始销售列的列表，避免插入新列后列顺序混乱，再根据每个列的位置计算对应序号，插入到目标列右侧：

import pandas as pd
import numpy as np

# 构造示例DataFrame（模拟你的大型CSV数据）
months = pd.date_range(start='2022-01', end='2034-12', freq='MS').strftime('%Y-%m')
df = pd.DataFrame(np.random.randint(100, 1000, size=(10, len(months))), columns=months)

# 保存原始销售列名
original_sales_cols = df.columns.tolist()

# 遍历每个原始列，计算序号并插入
for idx, col_name in enumerate(original_sales_cols):
    # 计算序号：前6个月为1，后续每12个月递增1
    if idx < 6:
        sequence = 1
    else:
        # 从第7个月开始，每12个月一组，序号从2开始累加
        sequence = 2 + ((idx - 6) // 12)
    
    # 插入序号列到当前销售列的右侧
    # 插入位置 = 原始列索引*2 +1（因每插入一列，后续列位置偏移1）
    df.insert(idx * 2 + 1, f"{col_name}_seq", sequence)

方法二：合并序号DataFrame（更高效，适合超大型数据） #

先单独构造包含所有序号列的DataFrame，再与原始销售数据按列交替合并，减少多次插入操作的开销：

import pandas as pd
import numpy as np

# 构造示例DataFrame
months = pd.date_range(start='2022-01', end='2034-12', freq='MS').strftime('%Y-%m')
df = pd.DataFrame(np.random.randint(100, 1000, size=(10, len(months))), columns=months)

original_sales_cols = df.columns.tolist()

# 生成所有序号值
sequence_values = []
for idx in range(len(original_sales_cols)):
    if idx < 6:
        sequence_values.append(1)
    else:
        sequence_values.append(2 + ((idx - 6) // 12))

# 构造序号DataFrame
sequence_df = pd.DataFrame(
    [sequence_values] * len(df),
    columns=[f"{col}_seq" for col in original_sales_cols]
)

# 交替合并原始数据和序号数据
merged_column_order = []
for sales_col, seq_col in zip(original_sales_cols, sequence_df.columns):
    merged_column_order.append(sales_col)
    merged_column_order.append(seq_col)

df = pd.concat([df, sequence_df], axis=1)[merged_column_order]

关键逻辑说明 #

• 序号计算规则：以列的位置索引（从0开始）为依据，前6个索引（对应2022年1-6月）直接赋值1；从第7个索引开始，通过(idx-6)//12计算间隔的12个月组数，加2得到对应序号（比如第7-18个月对应序号2，第19-30个月对应序号3，以此类推）
• 两种方法都能保证每个销售列右侧紧挨着对应的序号列，且完全符合你的规则

内容的提问来源于stack exchange，提问作者fhaney