如何向Pandas DataFrame插入缺失类别并将响应值设为0？

核心实现方案 #

最符合Python风格的做法是利用Pandas内置的reindex方法，无需手动循环，简洁高效地完成补全操作：

import pandas as pd

# 假设你的原始DataFrame名为df
# 先将CATEGORY转为整数类型（若原始数据为浮点型）
df['CATEGORY'] = df['CATEGORY'].astype(int)

# 补全缺失类别并填充RESPONSE为0
df = df.set_index('CATEGORY').reindex(range(500), fill_value=0).reset_index()

代码解释 #

• df['CATEGORY'].astype(int)：确保类别列是整数类型，避免因原始数据读取为浮点型导致的索引对齐问题
• set_index('CATEGORY')：将类别列设为DataFrame的索引，为后续重新对齐做准备
• reindex(range(500), fill_value=0)：生成0到499的完整类别序列，自动为缺失的类别插入新行，并将所有缺失的RESPONSE值（包括原始行的空值和新插入行）填充为0
• reset_index()：将类别列从索引恢复为普通列，还原DataFrame的原始结构

备选方案（merge方式） #

如果更习惯用合并操作，也可以通过创建完整类别表后左连接实现：

full_categories = pd.DataFrame({'CATEGORY': range(500)})
df = full_categories.merge(df, on='CATEGORY', how='left').fillna(0)

但reindex方法更简洁直接，更贴合Pythonic的“用内置方法解决问题”的思路。

内容的提问来源于stack exchange，提问作者Emil Frlez