按年、月分组补全缺失账户：缺失账户值设为0的实现方案

以下是两种常用工具的实现方案，适配你需要的"每个年月分组包含所有唯一账户，不存在则值为0"的需求：

方案一：SQL实现 #

核心思路是先生成所有年月与所有账户的全量组合，再通过左连接匹配原数据，缺失值补0。

-- 以MySQL为例，其他数据库需调整日期格式化函数
WITH all_time_periods AS (
    -- 提取所有唯一的年月
    SELECT DISTINCT DATE_FORMAT(your_date_column, '%Y-%m') AS year_month
    FROM your_table_name
),
all_unique_accounts AS (
    -- 提取所有唯一账户
    SELECT DISTINCT account
    FROM your_table_name
)
-- 生成全量组合并左连接原表，补全缺失值为0
SELECT
    atp.year_month,
    aua.account,
    COALESCE(yt.amount_column, 0) AS amount
FROM all_time_periods atp
CROSS JOIN all_unique_accounts aua
LEFT JOIN your_table_name yt
    ON atp.year_month = DATE_FORMAT(yt.your_date_column, '%Y-%m')
    AND aua.account = yt.account
ORDER BY atp.year_month, aua.account;

注意：不同数据库的日期格式化函数不同，比如PostgreSQL用TO_CHAR(date_col, 'YYYY-MM')，SQL Server用FORMAT(date_col, 'yyyy-MM')，需对应调整。

方案二：Python Pandas实现 #

通过生成多索引的全量组合，重新索引原数据来补全缺失值。

import pandas as pd

# 假设你的数据存储在df中，包含date（日期类型）、account、amount列
# 1. 提取年月列
df['year_month'] = df['date'].dt.to_period('M')

# 2. 获取所有唯一的年月和账户
all_year_months = df['year_month'].unique()
all_accounts = df['account'].unique()

# 3. 生成年月-账户的全量组合索引
full_index = pd.MultiIndex.from_product(
    [all_year_months, all_accounts],
    names=['year_month', 'account']
)

# 4. 重新索引并填充缺失值为0
result_df = df.set_index(['year_month', 'account'])['amount'] \
              .reindex(full_index, fill_value=0) \
              .reset_index()

注意：如果你的date列不是datetime类型，需要先转换：df['date'] = pd.to_datetime(df['date'])

内容的提问来源于stack exchange，提问作者biyazelnut