Pandas多索引DataFrame重索引并填充缺失时间序列值为0

错误原因分析 #

你遇到的「Input must be list-like」错误，通常是构造MultiIndex时传入的参数不是列表、数组这类可迭代对象导致的——比如直接传入单个分组键值而非包含该值的列表，或者没有正确生成分组键与日期的组合序列。

完整解决方案代码 #

以下是可直接运行的代码，包含日期范围生成、分组重索引的正确逻辑：

import pandas as pd

# 1. 生成目标日期范围（2024年5月15日至8月5日每日）
target_dates = pd.date_range(start='2024-05-15', end='2024-08-05', freq='D')

# 2. 确保原始DataFrame的date列为datetime类型（若尚未转换）
df['date'] = pd.to_datetime(df['date'])

# 3. 定义分组重索引的处理函数
def reindex_single_group(group):
    # 获取当前分组的固定Column_A、Column_B值
    current_col_a = group['Column_A'].iloc[0]
    current_col_b = group['Column_B'].iloc[0]
    
    # 构造目标MultiIndex：组合分组键与所有目标日期
    target_multi_index = pd.MultiIndex.from_product(
        [[current_col_a], [current_col_b], target_dates],
        names=['Column_A', 'Column_B', 'date']
    )
    
    # 将分组数据转为MultiIndex后重索引，缺失值填充为0
    group = group.set_index(['Column_A', 'Column_B', 'date'])
    return group.reindex(target_multi_index, fill_value=0).reset_index()

# 4. 分组应用函数，合并结果
final_df = df.groupby(['Column_A', 'Column_B'], group_keys=False).apply(reindex_single_group)

关键修正点 #

• 用pd.MultiIndex.from_product生成分组键与日期的全组合：每个分组的Column_A、Column_B值都用单元素列表包裹（比如[current_col_a]），确保传入的是可迭代的list-like对象，避免触发错误。
• 先将分组数据设置为MultiIndex，再用目标索引重索引，保证每个分组都覆盖完整的日期范围，缺失日期的Value自动填充为0。

额外注意事项 #

• 如果原始DataFrame的Value列因填充0后 dtype 变为float，可在最后添加final_df['Value'] = final_df['Value'].astype(int)强制转回整数类型。
• 分组时加上group_keys=False可避免结果中出现额外的分组键索引列，让输出更简洁。

内容的提问来源于stack exchange，提问作者One_more_time