使用Pandas/Python基于多参数实现财务周对应报告周数的自动更新

Pandas iterrows官方说明（中文翻译） #

iterrows()返回的是每行数据的副本，修改返回值不会改动原DataFrame，且迭代操作性能远低于向量化批量操作，因此官方不建议使用iterrows()迭代修改DataFrame数据。

实现逻辑 #

完全使用Pandas向量化操作实现，不需要迭代DataFrame行，符合官方推荐的最佳实践，核心步骤如下：

• 预处理：将表格中「财务周」列转为datetime格式，方便日期运算
• 旧记录更新：直接过滤出Report Week < 13的所有行，批量将对应行的Report Week加1，同时更新财务周为当周的财务周起始日期
• 过期记录清理：筛选出更新后Report Week = 13的记录，获取对应的月份列表，直接删除这些过期记录
• 新记录新增：根据删除的月份，按公历顺序推下一个对应月份，新增对应行，设置财务周为当周日期，Report Week初始值为1

代码示例 #

import pandas as pd
from datetime import datetime, timedelta

# 1. 读取原有Excel表格
df = pd.read_excel("你的报告表格路径.xlsx")
# 转换财务周列为datetime格式
df["财务周（Finance Week）"] = pd.to_datetime(df["财务周（Finance Week）"])

# 2. 计算当前财务周（按规则为当周周一，可根据实际运行时间调整）
today = datetime.today()
current_finance_week = today - timedelta(days=today.weekday())

# 3. 批量更新未到13次的旧记录
update_mask = df["报告周（Report Week）"] < 13
df.loc[update_mask, "报告周（Report Week）"] += 1
df.loc[update_mask, "财务周（Finance Week）"] = current_finance_week

# 4. 清理已达13次的过期记录，记录要替换的月份
expire_mask = df["报告周（Report Week）"] == 13
expire_months = df.loc[expire_mask, "月份"].unique().tolist()
df = df[~expire_mask]

# 5. 新增下一个月份的记录
# 月份映射，方便计算下一个月
month_map = {"一月":2, "二月":3, "三月":4, "四月":5, "五月":6, "六月":7,
             "七月":8, "八月":9, "九月":10, "十月":11, "十一月":12, "十二月":1}
reverse_month_map = {v:k for k,v in month_map.items()}

for m in expire_months:
    next_month_num = month_map[m]
    next_month_name = reverse_month_map[next_month_num]
    # 新增行
    new_row = pd.DataFrame([{
        "月份": next_month_name,
        "财务周（Finance Week）": current_finance_week,
        "报告周（Report Week）": 1
    }])
    df = pd.concat([df, new_row], ignore_index=True)

# 6. 保存回Excel
df.to_excel("你的报告表格路径.xlsx", index=False)

注意事项 #

• 首次运行前请备份原有Excel文件，避免数据误改
• 如果财务周的起始规则不是自然周周一，可以调整current_finance_week的计算逻辑
• 季度规则如果有特殊调整，可修改月份映射的对应逻辑

内容的提问来源于stack exchange，提问作者Abraham