如何在指定日期区间内将月度销售数据追加至补货订单DataFrame？

现有两个DataFrame：

• grouper：按国家、产品、月份分组计算出的月度平均销量（当前为多级索引结构）
• products：补货订单数据，包含产品、日期、补货数量

需求是把products首尾日期区间内的所有月度平均销量（以负数值形式）追加到products中。

原代码存在的问题 #

1. grouper是groupby后的多级索引对象，无法直接用grouper['Product']方式索引，需先将多级索引转为普通列
2. pd.DataFrame.append()已被弃用，且循环追加效率极低
3. 循环内的索引匹配逻辑有误，未正确关联产品与对应月份的销量

最优实现步骤 #

步骤1：转换grouper的结构

将多级索引转为普通列，方便后续数据匹配：

# 把groupby后的多级索引转为列，同时重命名销量列
grouper_df = grouper.reset_index().rename(columns={'Sales Quantity [QTY]': 'Avg_Sales'})

步骤2：生成目标日期区间的月度序列

先确保日期列格式正确，再提取首尾日期生成月度起始日期序列：

# 确保Date列是datetime类型
products['Date'] = pd.to_datetime(products['Date'])
# 获取日期区间首尾
start_date = products['Date'].min()
end_date = products['Date'].max()
# 生成月度起始日期序列
date_range = pd.date_range(start=start_date, end=end_date, freq='MS')

步骤3：生成销售记录数据

为每个日期匹配对应产品的月度平均销量，生成负数值的销售记录：

# 创建包含日期和对应月份的临时DataFrame
date_df = pd.DataFrame({'Date': date_range, 'Month': date_range.month})
# 获取目标产品（单产品场景）
target_product = products['Product'].iloc[0]
# 筛选当前产品的平均销量数据
product_avg_sales = grouper_df[grouper_df['Product'] == target_product]
# 合并日期与平均销量数据
sales_records = pd.merge(date_df, product_avg_sales, on='Month', how='left')
# 整理成目标格式：保留Product、Date，Quantity为负的平均销量（保留两位小数）
sales_records = sales_records[['Product', 'Date', 'Avg_Sales']].rename(columns={'Avg_Sales': 'Quantity'})
sales_records['Quantity'] = -sales_records['Quantity'].round(2)

步骤4：合并原补货订单和销售记录

将生成的销售记录追加到原products中：

# 合并两个DataFrame
final_df = pd.concat([products, sales_records], ignore_index=True)
# 查看结果
print(final_df)

多产品场景扩展 #

如果products包含多个产品，只需在外层添加按Product分组的逻辑：

final_dfs = []
for product, group in products.groupby('Product'):
    # 针对当前产品生成日期区间
    start_date = group['Date'].min()
    end_date = group['Date'].max()
    date_range = pd.date_range(start=start_date, end=end_date, freq='MS')
    date_df = pd.DataFrame({'Date': date_range, 'Month': date_range.month})
    # 匹配当前产品的平均销量
    product_avg_sales = grouper_df[grouper_df['Product'] == product]
    sales_records = pd.merge(date_df, product_avg_sales, on='Month', how='left')
    # 整理格式
    sales_records = sales_records[['Product', 'Date', 'Avg_Sales']].rename(columns={'Avg_Sales': 'Quantity'})
    sales_records['Quantity'] = -sales_records['Quantity'].round(2)
    # 合并当前产品的补货订单与销售记录
    final_dfs.append(pd.concat([group, sales_records], ignore_index=True))
# 合并所有产品的结果
final_df = pd.concat(final_dfs, ignore_index=True)

内容的提问来源于stack exchange，提问作者asuidncsdk