如何用Python为每个ID补全缺失日期并填充0值？

假设你的原始DataFrame A是这样的示例结构：

import pandas as pd

# 示例数据
df_a = pd.DataFrame({
    'id': ['A', 'A', 'B', 'B'],
    'date_yyyymmdd': [20230101, 20230103, 20230102, 20230104],
    'amount': [100, 200, 150, 300],
    'hours': [8, 7, 6, 9]
})

第一步：转换日期格式 #

先把date_yyyymmdd字段转成Pandas可识别的日期类型，方便后续生成连续日期：

df_a['date_yyyymmdd'] = pd.to_datetime(df_a['date_yyyymmdd'], format='%Y%m%d')

第二步：生成每个ID的完整日期序列 #

先定义指定的起止日期，然后生成该范围内的所有日历日期，再和所有唯一ID做笛卡尔积，得到每个ID对应的完整日期组合：

start_date = pd.to_datetime('20230101', format='%Y%m%d')
end_date = pd.to_datetime('20230105', format='%Y%m%d')

# 生成起止日期之间的所有日期
date_range = pd.date_range(start=start_date, end=end_date)

# 获取所有唯一ID
unique_ids = df_a['id'].unique()

# 创建ID和日期的笛卡尔积，得到完整的日期框架
full_dates = pd.MultiIndex.from_product([unique_ids, date_range], names=['id', 'date_yyyymmdd']).reset_index()

第三步：合并数据并填充缺失值 #

将原始数据和完整日期框架合并，对缺失的amount和hours字段填充0：

df_b = pd.merge(full_dates, df_a, on=['id', 'date_yyyymmdd'], how='left')
df_b[['amount', 'hours']] = df_b[['amount', 'hours']].fillna(0)

# 如果需要把日期转回原格式（整数类型的yyyymmdd），可以加这一步
df_b['date_yyyymmdd'] = df_b['date_yyyymmdd'].dt.strftime('%Y%m%d').astype(int)

运行完以上代码后，df_b就是你需要的结果：每个ID都包含了20230101到20230105的所有日期，缺失日期对应的amount和hours都被填充为0。

内容的提问来源于stack exchange，提问作者bunti papu