基于旧DataFrame生成12个月滞后数据新DataFrame，缺失值用均值填充的实现方法

实现代码 #

首先确保你已导入pandas库，且df_train的索引已转换为datetime类型，完整代码如下：

import pandas as pd

# 转换df_train索引为datetime格式（若已为datetime可跳过该行），适配你输入的日-月-年日期格式
df_train.index = pd.to_datetime(df_train.index, format='%d-%m-%Y')

# 构造历史月份与X1值的映射字典，key为1-12的月份数字
month_value_map = df_train.set_index(df_train.index.month)['X1'].to_dict()
# 计算X1列均值，即你提到的ts_train均值
x1_avg = df_train['X1'].mean()

# 生成目标日期索引，调整参数适配你示例中从9月开始的需求
future_dates = pd.date_range(
    start=df_train.index.max() + pd.DateOffset(months=1),
    periods=12,
    freq='MS'  # 按你示例输出每月1号的要求配置，如需月末日期改为'M'即可
)

# 构造新DataFrame并按规则填充X1字段
df_result = pd.DataFrame(index=future_dates)
df_result['X1'] = df_result.index.month.map(lambda m: month_value_map.get(m, x1_avg))

结果说明 #

运行后得到的df_result完全符合预期：2020年9-12月无对应历史月份数据，自动填充均值4.5（即36/8），2021年1-8月匹配到历史1-8月的对应数值1-8。

内容的提问来源于stack exchange，提问作者user2512443