如何将dataframe指定时段值替换为历史同期数据的加权计算结果

使用pandas即可实现需求，代码支持灵活配置参考年份、权重、替换范围，可满足跳过指定年份的要求。

完整实现代码 #

import pandas as pd

# 构造示例数据，实际使用时替换为你自己的数据集即可
data = {
    'Year': [2018,2018,2018,2019,2019,2019,2020,2020,2020,2021,2021,2021],
    'Week': [1,2,3,1,2,3,1,2,3,1,2,3],
    'Value': [25,28,26,24,34,30,27,33,32,39,43,41]
}
df = pd.DataFrame(data)

# -------------------------- 以下为可自定义配置项 --------------------------
target_year = 2021  # 需要替换数值的目标年份
target_weeks = [1,2,3]  # 需要替换数值的周范围
# 加权规则：键为参考年份，值为对应权重，可按需增删修改参考年份实现跳过指定年份的需求
weight_config = {
    2020: 0.45,
    2019: 0.3,
    2018: 0.25
}
# -------------------------------------------------------------------------

# 数据转宽表，索引为周，列为年份，方便取同期数值
df_pivot = df.pivot(index='Week', columns='Year', values='Value')

# 按权重计算同期加权值
df_pivot['calc_result'] = 0
for ref_year, weight in weight_config.items():
    df_pivot['calc_result'] += df_pivot[ref_year] * weight

# 将计算结果替换回原数据集
for week in target_weeks:
    calc_val = df_pivot.loc[week, 'calc_result']
    df.loc[(df['Year'] == target_year) & (df['Week'] == week), 'Value'] = calc_val

# 打印结果验证
print(df[df['Year'] == target_year])

配置调整说明 #

• 替换目标调整：修改target_year和target_weeks参数即可指定要替换的年份和对应周数，未指定的周数会保留原始数值
• 加权规则调整：修改weight_config字典即可，可按需增删参考年份，比如需要跳过2018年，使用2020、2019、2016年数据加权，直接将字典修改为weight_config = {2020: 0.45, 2019:0.3, 2016:0.25}即可，只要原数据集包含对应年份的周度数据即可正常计算。

内容的提问来源于stack exchange，提问作者etuo