Python：使用Asfreq与groupby处理DataFrame频率转换报错问题

1. 先清理重复的日期索引 #

原数据存在重复日期是报错的核心原因，先对索引去重，保留每个日期的第一条数据：

# 若日期是直接作为索引
df = df[~df.index.duplicated(keep='first')]

# 若日期是普通列，先重置索引再处理
df = df.reset_index()
df = df.drop_duplicates(subset='日期列名', keep='first').set_index('日期列名')

2. 生成目标月初日期序列 #

用pd.date_range生成从原数据最早到最晚日期的所有月初日期，频率参数设为'MS'（代表月初）：

start_date = df.index.min()
end_date = df.index.max()
monthly_index = pd.date_range(start=start_date, end=end_date, freq='MS')

3. 重索引并填充缺失值 #

基于清理后的DataFrame，重新索引到月初序列，再用ffill向前填充值：

result_df = df.reindex(monthly_index).ffill()

完整示例代码 #

import pandas as pd

# 模拟带重复日期的年度数据
data = {'数值列': [150, 230, 230]}
dates = pd.to_datetime(['2020-12-31', '2021-12-31', '2021-12-31'])
df = pd.DataFrame(data, index=dates)

# 索引去重
df = df[~df.index.duplicated(keep='first')]

# 生成月初序列
monthly_index = pd.date_range(start=df.index.min(), end=df.index.max(), freq='MS')

# 转换并填充
result_df = df.reindex(monthly_index).ffill()
print(result_df)

内容的提问来源于stack exchange，提问作者user18834402