如何让Pandas DataFrame的索引与列集合统一为二者的并集？

在构建有向图邻接矩阵这类场景里，DataFrame的行索引和列往往是同一类对象（比如图的节点），我们需要把索引和列都扩展成原索引与列的并集，同时填充NaN或自定义值——不用费劲写循环遍历，用Pandas原生的reindex就能高效搞定。

具体操作步骤 #

1. 先凑齐所有需要保留的节点 #

先把原索引和列的所有元素合并成一个集合，这就是我们最终要用到的行/列集合：

import pandas as pd

# 拿示例DataFrame举例
df = pd.DataFrame({'A': [1, 2], 'C': [3, 4]}, index=['B', 'C'])
# 合并索引和列，得到所有节点
all_nodes = df.index.union(df.columns)

2. 一次性扩展行和列 #

直接用reindex同时指定目标索引和列，还能直接设置填充值：

# 填充自定义值（比如邻接矩阵常用的0）
expanded_df = df.reindex(index=all_nodes, columns=all_nodes, fill_value=0)

# 如果想保留NaN，去掉fill_value参数就行
# expanded_df = df.reindex(index=all_nodes, columns=all_nodes)

效果展示 #

原DataFrame：

A  C
B  1  3
C  2  4

扩展后（fill_value=0）：

A  B  C
A  0  0  0
B  1  0  3
C  2  0  4

为啥这方法比遍历强？ #

• Pandas的reindex是底层优化的矢量化操作，比Python循环快N倍，数据量大的时候差距特别明显
• 代码少，逻辑清晰，改起来也方便

特殊需求处理 #

要是你需要给不同位置的缺失值设不同规则（比如邻接矩阵的对角线填1，代表自环），扩展完再改就行：

expanded_df = df.reindex(index=all_nodes, columns=all_nodes, fill_value=0)
# 对角线位置填充1
expanded_df.values[[range(len(all_nodes))]*2] = 1

内容的提问来源于stack exchange，提问作者Mateusz