本文介绍如何基于 pandas 对具有多层级时间结构（如 submissionmonth 和 forecastmonth）的销售/预测数据，按业务规则对缺失月份执行精准前向填充，确保每个 submissionmonth 覆盖其生效起始月到截止月（如当前月 dec-2023）的完整连续月度记录。
本文介绍如何基于 pandas 对具有多层级时间结构（如 submissionmonth 和 forecastmonth）的销售/预测数据，按业务规则对缺失月份执行精准前向填充，确保每个 submissionmonth 覆盖其生效起始月到截止月（如当前月 dec-2023）的完整连续月度记录。
在实际业务场景中（如供应链预测、月度成本申报），原始数据常以「提交批次 + 预测周期」形式存储——即某次提交（如 Apr-2023）会附带一组未来月份的预测值（Apr-2023 至 Jul-2023）。但当后续无新提交时，需将最新有效批次的数据前向延续至当前月份（如 Dec-2023），形成连续、可比的月度快照视图。这并非简单 .ffill() 可解决，而是需结合时间对齐、层级重组与智能广播。
核心思路是：将数据升维为「提交月 × 预测月」的二维矩阵 → 补全提交月时间轴 → 前向填充 → 降维还原。具体步骤如下：
✅ 步骤 1：标准化时间索引
首先将字符串型月份（如 "Jan-2023"）转为 datetime，便于生成连续时间范围：
import pandas as pd
input_data = pd.DataFrame([
{"submissionmonth": "Jan-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Jan-2023", "cost": 100},
# ...（其余输入数据）
])
# 解析为 datetime 并获取完整提交月范围
sub_dt = pd.to_datetime(input_data["submissionmonth"], format="%b-%Y")
full_sub_months = pd.date_range(sub_dt.min(), sub_dt.max(), freq="M")
# 生成目标提交月列表（格式还原为 "Jan-2023"）
target_sub_months = full_sub_months.strftime("%b-%Y")✅ 步骤 2：构建提交月 × 预测月矩阵并补全
使用 set_index + unstack 将数据重塑为宽表，使每行对应一个 submissionmonth，每列对应一个 forecastmonth：
# 设置双层索引并展开 forecastmonth 为列
wide_df = (input_data
.set_index(["submissionmonth", "forecastmonth"])
.unstack("forecastmonth") # → 列为 MultiIndex: (value_col, forecastmonth)
)
# 按目标提交月重新索引（自动引入 NaN 行）
wide_filled = wide_df.reindex(target_sub_months, axis=0)
# 关键：按行前向填充 —— 每个新 submissionmonth 继承上一个有效批次的所有 forecastmonth 数据
wide_ffilled = wide_filled.ffill()✅ 步骤 3：还原为长表并校准字段顺序
通过 stack() 将列级 forecastmonth 压回行内，并重置索引：
# 压栈还原为长格式，同时恢复 submissionmonth 和 forecastmonth 列
output_data = (wide_ffilled
.stack("forecastmonth") # → (submissionmonth, forecastmonth) 为新索引
.reset_index(names=["submissionmonth", "forecastmonth"])
)
# 保持原始列顺序（可选但推荐）
output_data = output_data.reindex(columns=input_data.columns)⚠️ 注意事项与增强建议
- 截止月控制：示例中 full_sub_months 仅覆盖现有提交月范围。若需延伸至固定截止月（如 Dec-2023），应显式定义 end_date = pd.Timestamp("2023-12-31") 并传入 pd.date_range(..., end=end_date)。
- 分组独立填充：若数据含多个 SKU/Location 组合（如 A1-sup1 与 A2-sup2），需先 groupby(["sku", "location"])，再对各组分别执行上述流程，避免跨组污染。
- 空值处理：.ffill() 默认不跨组填充。若某组首个 submissionmonth 之前存在空档，需结合 limit 参数或预填充首行。
- 性能优化：对大数据集，优先使用 pd.Grouper 或 resample 替代手动时间范围生成，减少内存占用。
该方法兼顾了业务语义（提交批次的时效性）与工程严谨性（时间连续性保证），是构建月度滚动预测基线、BI 时间序列报表的可靠范式。
