QlikView：为指定ID补全缺失日期并填充前序日期数值

原始数据集 #

需求说明 #

需要补全2/4/17到2/11/17之间的所有缺失日期，并且每个ID在无记录的日期里，填充其前一次有记录的数值，直到下一条该ID的记录出现。

实现方案（Python pandas） #

这是处理这类时间序列填充最常用的工具，步骤清晰易操作：

1. 导入依赖并加载数据

import pandas as pd

# 加载原始数据
data = pd.DataFrame({
    '日期': ['2/4/17', '2/4/17', '2/9/17', '2/9/17', '2/9/17', '2/11/17', '2/11/17'],
    'ID': [3, 9, 3, 4, 9, 3, 7],
    '数值': [4.4, 6.2, 4.7, 7.4, 9.4, 9.7, 12.4]
})

# 将日期列转为datetime格式，方便后续生成连续日期序列
data['日期'] = pd.to_datetime(data['日期'], format='%m/%d/%y')

2. 构建完整的日期-ID组合

# 获取所有唯一ID
unique_ids = data['ID'].unique()
# 生成从最早到最晚日期的每日连续序列
full_dates = pd.date_range(start=data['日期'].min(), end=data['日期'].max(), freq='D')
# 创建日期和ID的笛卡尔积，确保每个日期每个ID都有对应行
full_index = pd.MultiIndex.from_product([full_dates, unique_ids], names=['日期', 'ID'])
# 将原始数据转为以日期和ID为索引的格式
data_indexed = data.set_index(['日期', 'ID'])

3. 合并数据并填充缺失值

# 合并到完整索引上，缺失的数值会显示为NaN
full_data = data_indexed.reindex(full_index).reset_index()
# 按ID分组，用前向填充（ffill）延续上一次的数值
full_data['数值'] = full_data.groupby('ID')['数值'].ffill()

最终结果 #

处理后的数据集完全符合需求，截取部分展示：

这个方法的核心是先构建全覆盖的日期-ID组合，再通过分组前向填充，确保每个ID的数值能准确延续到下一条记录出现前的所有日期。

内容的提问来源于stack exchange，提问作者war10ck