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
相关产品推荐

