如何在Python DataFrame中按固定增量计算并插入后续12个月预估数据

我们可以用pandas库快速实现数据计算和拼接，操作如下：

前置准备 #

如果还没安装依赖库，执行以下命令安装：

pip install pandas python-dateutil

操作代码 #

import pandas as pd
from dateutil.relativedelta import relativedelta
from datetime import datetime

# 1. 构造现有数据，也可以用pd.read_csv("你的文件路径.csv")读取本地存储的现有数据
raw_data = [
    ["Dec-20", 530, 7287, 803, 6024],
    ["Jan-21", 824, 7447, 1111, 6384],
    ["Feb-21", 1104, 7665, 1559, 6669],
    ["Mar-21", 1379, 8270, 2031, 6932],
    ["Apr-21", 1654, 8799, 2534, 7013],
    ["May-21", 1901, 9295, 3061, 7013],
    ["Jun-21", 2276, 9776, 3596, 7077],
    ["Jul-21", 2914, 13324, 3808, 7061],
    ["Aug-21", 3329, 10266, 4054, 7125],
    ["Sep-21", 3829, 10497, 4255, 7322],
    ["Oct-21", 4304, 10614, 4353, 7467]
]
df = pd.DataFrame(raw_data, columns=["Month", "No.1", "No.2", "No.3", "No.4"])

# 2. 处理月份格式，生成后续12个月的月份序列
df["Month_dt"] = pd.to_datetime(df["Month"], format="%b-%y")
last_month = df["Month_dt"].max()
predict_months = [last_month + relativedelta(months=i+1) for i in range(12)]

# 3. 按规则计算预估数值
last_vals = df.iloc[-1] # 取最后一行现有数据作为基数
predict_data = []
for idx, month in enumerate(predict_months):
    new_row = [
        month.strftime("%b-%y"),
        last_vals["No.1"] + 380 * (idx + 1),
        last_vals["No.2"] + 160 * (idx + 1),
        last_vals["No.3"] + 160 * (idx + 1),
        last_vals["No.4"] + 360 * (idx + 1)
    ]
    predict_data.append(new_row)

# 4. 合并原有数据和预估数据
predict_df = pd.DataFrame(predict_data, columns=df.columns[:-1])
final_df = pd.concat([df[["Month", "No.1", "No.2", "No.3", "No.4"]], predict_df], ignore_index=True)

# 5. 输出结果，可根据需要导出为csv
print(final_df.to_string(index=False))
# 如果需要保存为本地文件，取消注释下一行
# final_df.to_csv("完整数据.csv", index=False, encoding="utf-8-sig")

结果说明 #

运行代码后会输出拼接好的全部23个月数据，前11行是你提供的原始数据，后12行是按规则生成的预估数据，和你给出的预期示例完全匹配：

• No.1列每月比上月增长380
• No.2、No.3列每月比上月增长160
• No.4列每月比上月增长360
• 月份会自动按月缩写-年份格式顺延生成

内容的提问来源于stack exchange，提问作者Eli Smith