本文介绍如何基于 pandas 对具有不同提交时间的分组数据（如 sku-location 组合）执行精细化前向填充（forward fill），确保每个“提交月”覆盖其后所有未提交月份，从而构建完整、连续的月度预测数据集。
本文介绍如何基于 pandas 对具有不同提交时间的分组数据（如 sku-location 组合）执行精细化前向填充（forward fill），确保每个“提交月”覆盖其后所有未提交月份，从而构建完整、连续的月度预测数据集。
在供应链预测、销售计划或财务滚动预测等场景中，原始数据常以“快照式提交”形式存在——即某 SKU 在某个地点仅在特定月份（如 Jan-2023、Apr-2023）提交一次预测，但业务要求后续所有月份（直至当前月，如 Dec-2023）均需有对应预测值。此时，简单全局 ffill() 无法满足需求，因为需按逻辑分组（如 sku + location）独立前向填充，并将每个历史提交月的数据“广播”至其生效区间内的所有目标月份。
核心思路是：将数据结构从“长格式”转为“宽格式—时间索引—前向填充—再压平”的三步范式，而非直接在原始 DataFrame 上调用 groupby().ffill()。这是因为原数据中同一 submissionmonth 下已包含多个 forecastmonth（如 Jan-2023 提交了 Jan–Apr 四个月的预测），我们需要让每个 submissionmonth 成为一个独立的时间行，再沿时间轴向前填充整行数据（即整套 forecastmonth→cost 映射），最后展开还原。
以下是完整可执行代码（含关键注释与健壮性处理）：
import pandas as pd
# 原始输入数据（已定义）
input_data = pd.DataFrame([
{"submissionmonth": "Jan-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Jan-2023", "cost": 100},
{"submissionmonth": "Jan-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Feb-2023", "cost": 105},
{"submissionmonth": "Jan-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Mar-2023", "cost": 108},
{"submissionmonth": "Jan-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Apr-2023", "cost": 106},
{"submissionmonth": "Apr-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Apr-2023", "cost": 101},
{"submissionmonth": "Apr-2023", "sku": "A1", "location": "sup1", "forecastmonth": "May-2023", "cost": 102},
{"submissionmonth": "Apr-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Jun-2023", "cost": 109},
{"submissionmonth": "Apr-2023", "sku": "A1", "location": "sup1", "forecastmonth": "Jul-2023", "cost": 104},
{"submissionmonth": "Oct-2023", "sku": "A2", "location": "sup2", "forecastmonth": "Oct-2023", "cost": 101},
{"submissionmonth": "Oct-2023", "sku": "A2", "location": "sup2", "forecastmonth": "Nov-2023", "cost": 102},
{"submissionmonth": "Oct-2023", "sku": "A2", "location": "sup2", "forecastmonth": "Dec-2023", "cost": 109},
{"submissionmonth": "Oct-2023", "sku": "A2", "location": "sup2", "forecastmonth": "Jan-2024", "cost": 104},
])
# 步骤 1：提取所有唯一 submissionmonth 并转为 datetime，确定完整时间范围
submission_months = pd.to_datetime(input_data["submissionmonth"], format="%b-%Y")
min_month, max_month = submission_months.min(), submission_months.max()
# 注意：此处使用 'M'（月末）频率，但显示仍为 "%b-%Y" 格式；若需包含当前月（Dec-2023）且原数据未覆盖，
# 可显式扩展 max_month：max_month = pd.Timestamp("2023-12-31")
full_months = pd.date_range(min_month, max_month, freq="M")
# 步骤 2：构造宽表 —— 以 submissionmonth 为行索引，forecastmonth 为列，cost 为值
# 先设置复合索引，再 unstack 将 forecastmonth 提升为列
wide_df = (input_data
.set_index(["submissionmonth", "forecastmonth"])["cost"]
.unstack("forecastmonth"))
# 步骤 3：按完整月份序列 reindex（自动引入 NaN 行），并前向填充整行
filled_wide = (wide_df
.reindex(full_months.strftime("%b-%Y"), axis=0)
.ffill())
# 步骤 4：stack 回长格式，并重置索引
output_data = (filled_wide
.stack("forecastmonth")
.reset_index(name="cost"))
# 步骤 5：还原原始列顺序（可选但推荐）
output_data = output_data[input_data.columns]
print(f"Input shape: {input_data.shape} → Output shape: {output_data.shape}")
output_data.head(10)
⚠️ 重要注意事项：
- 分组逻辑隐含在结构中：本方法天然按 submissionmonth 分组填充，无需显式 groupby，因 reindex + ffill() 是沿新索引（时间轴）逐行操作，每行即代表一个提交快照。
- forecastmonth 必须完全一致：源数据中同一 submissionmonth 下的 forecastmonth 集合需统一（如 Jan-2023 行必须含 Jan–Apr），否则 unstack 会产生缺失列，影响填充完整性。建议预处理校验各组 forecastmonth 的覆盖范围。
- 当前月扩展：示例中 max_month 来自数据最大 submissionmonth（Oct-2023），但业务要求覆盖至 Dec-2023。此时应手动设定 max_month = pd.Timestamp("2023-12-31")，确保 full_months 包含 Dec-2023。
- 性能提示：对于百万级数据，避免多次 reset_index/set_index；可考虑 pd.MultiIndex.from_product 构造全量索引后 reindex，进一步优化。
该方案兼顾准确性与可维护性，是处理“多版本时间快照+跨期继承”类问题的标准 Pandas 模式。
