如何在Pandas DataFrame中不存在指定日期时插入含NA值的记录？

问题 #

现有一个Pandas DataFrame，需求如下：
当输入日期InputDate="5/1/2022"不存在于Invoice Date列的记录中时，插入一条以该日期为Invoice Date、其余列值为NA的新记录；若该日期已存在，则不执行任何操作。

输入示例：

Invoice Date  ...       Check
1    2022-04-01  ...        1.30
2    2022-03-01  ...        1.19

输出示例：

Invoice Date  ...       Check
0    2022-05-01  ...        NaN
1    2022-04-01  ...        1.30
2    2022-03-01  ...        1.19

解决方案 #

直接按以下逻辑实现即可：

1. 统一日期格式，避免因格式差异导致判断错误；
2. 检查目标日期是否已存在于Invoice Date列；
3. 若不存在，构造一条对应日期、其余列全为缺失值的记录，插入到DataFrame中。

完整代码示例 #

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame({
    'Invoice Date': ['2022-04-01', '2022-03-01'],
    'Check': [1.30, 1.19]
})

# 处理输入日期，统一转为YYYY-MM-DD格式
target_date = pd.to_datetime("5/1/2022").strftime('%Y-%m-%d')
# 同步转换DataFrame中的日期列格式
df['Invoice Date'] = df['Invoice Date'].apply(lambda x: pd.to_datetime(x).strftime('%Y-%m-%d'))

# 检查日期是否存在
if target_date not in df['Invoice Date'].values:
    # 构造新记录，匹配原DataFrame的所有列
    new_record = pd.DataFrame({
        col: [target_date] if col == 'Invoice Date' else [pd.NA] 
        for col in df.columns
    })
    # 合并新记录与原DataFrame，重置索引
    df = pd.concat([new_record, df], ignore_index=True)

print(df)

代码说明 #

• 先统一日期格式是关键，不然像5/1/2022和2022-05-01这种写法会被判定为不同值；
• 用字典推导式构造新记录，能自动匹配原DataFrame的所有列，不用手动列写每一列；
• 使用pd.concat合并后重置索引，避免出现索引重复或混乱的情况。

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