如何在Pandas DataFrame中自动补充缺失月份（无需硬编码）

这里有两种可靠的方法，帮你不用硬编码就能自动识别并补充缺失的月份：

方法一：利用Datetime索引自动生成完整月份（推荐） #

这种方法依赖pandas的日期处理能力，能避免手动维护月份顺序的麻烦：

1. 将现有索引转换为可识别的日期格式 #

先把字符串月份转成datetime类型，确保程序能正确识别月份顺序：

import pandas as pd

# 处理原DataFrame的索引
df.index = pd.to_datetime(df.index, format='%B')  # %B匹配英文月份全名

2. 生成全年完整的月份索引 #

创建包含全年12个月份的完整索引（保持和原索引一致的格式）：

# 生成全年每月第一天的日期范围，再转成月份名称
full_month_index = pd.date_range(start='2023-01-01', end='2023-12-31', freq='MS').month_name()

3. 重新索引并填充空值 #

用reindex对齐原数据到完整索引，缺失位置自动填充NaN，按需转成空字符串：

df = df.reindex(full_month_index)
# 若需要将NaN替换为空字符串，执行此行
df = df.fillna('')

方法二：手动定义月份列表并补全 #

如果不想处理datetime，也可以直接通过对比完整月份列表来补全：

1. 定义全年月份的标准顺序 #

all_months = [
    'January', 'February', 'March', 'April', 
    'May', 'June', 'July', 'August', 
    'September', 'October', 'November', 'December'
]

2. 找出缺失的月份 #

通过列表推导式筛选出原索引中没有的月份：

missing_months = [month for month in all_months if month not in df.index]

3. 创建空数据并合并 #

生成缺失月份的空DataFrame，合并后再按标准顺序重新索引：

df_empty = pd.DataFrame({'A': '', 'B': '', 'C': ''}, index=missing_months)
df = pd.concat([df, df_empty]).reindex(all_months)

两种方法都能实现你的需求，方法一更灵活（比如后续涉及年份变化也能适配），方法二更直观。

内容的提问来源于stack exchange，提问作者oakca