MySQL：如何实现时间序列数据的年度同比列匹配（类Excel的VLOOKUP）

嘿，你这个需求我太熟了！处理时间序列里的同期数据，不管是用Python的Pandas还是SQL，都有对应Excel里VLOOKUP/INDEX MATCH的替代方案，我给你分场景说清楚：

假设你的数据已经加载到Pandas的DataFrame里，命名为df，我们可以用**自连接（merge）**来实现匹配，逻辑和Excel的函数完全对应：

方法1：依赖已有的prev_year_id字段 #

如果你的数据已经提前生成了prev_year_id（就像你给出的表结构那样），直接用这个字段做匹配就行：

# 先提取上一年度数据的唯一标识和对应值，重命名避免冲突
prev_year_data = df[['unique_id', 'value']].rename(columns={
    'unique_id': 'match_id',
    'value': 'prev_year_value'
})

# 把原表和上一年度数据通过prev_year_id和match_id关联
result_df = df.merge(prev_year_data, left_on='prev_year_id', right_on='match_id', how='left')

# 删掉不需要的中间列
result_df = result_df.drop('match_id', axis=1)

处理完后，result_df会新增一列prev_year_value，就是对应上一年度的数据；如果某条记录没有匹配到（比如最早年份的行），这一列会显示NaN，完全符合预期。

方法2：不依赖prev_year_id（更灵活） #

要是你没预先生成prev_year_id，也可以直接通过id和年份减一的日期来匹配，不用额外生成字段：

import pandas as pd

# 先从日期字段里生成上一年的对应日期
df['prev_year_date'] = df['date'] - pd.DateOffset(years=1)

# 准备上一年度的匹配表，只保留id、日期和值
prev_year_data = df[['id', 'date', 'value']].rename(columns={
    'date': 'match_date',
    'value': 'prev_year_value'
})

# 通过id和上一年日期做关联
result_df = df.merge(prev_year_data, left_on=['id', 'prev_year_date'], right_on=['id', 'match_date'], how='left')

# 清理临时列
result_df = result_df.drop(['prev_year_date', 'match_date'], axis=1)

如果你的数据存在数据库里，用**自连接（SELF JOIN）**就能搞定，逻辑和Excel里的查找函数一致：

方法1：依赖prev_year_id字段 #

SELECT 
    main.date,
    main.unique_id,
    main.prev_year_id,
    main.id,
    main.value,
    prev.value AS prev_year_value
FROM 
    your_table main
LEFT JOIN 
    your_table prev ON main.prev_year_id = prev.unique_id;

用LEFT JOIN是为了保证即使没有上一年的数据（比如2015年的记录），主表的内容也不会丢失，prev_year_value会显示为NULL。

方法2：不依赖prev_year_id #

直接通过id和日期偏移来匹配上一年的同期数据：

SELECT 
    main.date,
    main.unique_id,
    main.id,
    main.value,
    prev.value AS prev_year_value
FROM 
    your_table main
LEFT JOIN 
    your_table prev 
    ON main.id = prev.id 
    AND DATEADD(year, -1, main.date) = prev.date;

不同数据库的日期偏移函数可能略有不同，比如MySQL用DATE_SUB(main.date, INTERVAL 1 YEAR)，PostgreSQL用main.date - INTERVAL '1 year'，根据你的数据库类型调整就行。

内容的提问来源于stack exchange，提问作者Z.Mack