You need to enable JavaScript to run this app. 如何用Pandas补全DataFrame缺失月-年列并按时间排序
优惠活动
大模型
产品
解决方案
定价
更多

如何用Pandas补全DataFrame缺失月-年列并按时间排序

Pandas 列补全与顺序调整实现
  • 先清理原始df的冗余列:删除全空的无效列(比如示例中所有值为nan的Unnamed: 15),避免干扰后续列识别逻辑
  • 拆分两类列:一类是不符合月-年命名规则的固定维度列(如示例中的column1~column4),这类列保留在列顺序最前端,不参与月份排序;另一类是已存在的月-年格式业务列
  • 按照自然月顺序生成标准的全年月份列名列表,年份值取datetime.now().strftime('%y')获取的当前两位年份
  • 遍历标准月份列表,给df补全缺失的月份列,缺失列默认填充空值,和现有列的空值类型保持一致
  • 按照「固定维度列在前,标准月份列按自然月顺序在后」的规则,重新调整整个df的列顺序
import pandas as pd
from datetime import datetime

# 替换为你实际的DataFrame加载逻辑,此处对应题中给出的示例字典
df = pd.DataFrame({'column1': ['ABCD']*24, 'column2': ['V']*24, 'column3': ['CT']*12 + ['CP']*12, 'column4': ['OCP', 'AC', 'TC', 'AA', 'EE', 'CS', 'UUU', 'MMM', 'CCC', 'TOQ', 'OC', 'FR']*2, 'Apr-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Aug-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Feb-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Jan-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Jul-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Jun-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Mar-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'May-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Nov-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Oct-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Sep-21': [pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA, pd.NA, pd.NA, 0.0, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, pd.NA, 0.0, 0.0, pd.NA], 'Unnamed: 15': [pd.NA]*24})

# 清理全空的冗余列
df = df.dropna(axis=1, how='all')

# 定义判断逻辑:识别列名是否为合法的 月-年 格式
def is_valid_month_col(col):
    try:
        datetime.strptime(col, '%b-%y')
        return True
    except ValueError:
        return False

# 拆分出非月份的固定维度列
fixed_cols = [col for col in df.columns if not is_valid_month_col(col)]

# 获取当前两位年份
current_yy = datetime.now().strftime('%y')
# 生成按自然月排序的标准月份列名列表
month_seq = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
standard_month_cols = [f"{m}-{current_yy}" for m in month_seq]

# 补全缺失的月份列
for col in standard_month_cols:
    if col not in df.columns:
        df[col] = pd.NA

# 按照固定列在前、标准月份顺序在后的规则重排列
df = df[fixed_cols + standard_month_cols]

适配调整:当你的月份列对应的年份和当前年不一致时,只需要把current_yy替换成对应年份的两位字符串即可,不需要修改其他逻辑。比如示例中的月份都是21年的,就把这行改成current_yy = '21'。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.01 15:06:04