如何填充论坛用户月度活动面板数据的缺失月份记录？

用Pandas可以高效实现这个需求，核心思路是生成用户-月份的全量组合，再与原数据左连接后填充缺失值为0。以下是两种常见场景的实现方案：

场景1：所有用户使用全局统一的月份范围 #

如果要求所有用户都补全从数据中最早月份到最晚月份的所有记录：

import pandas as pd

# 示例输入数据
df = pd.DataFrame({
    'user_name': ['Alice', 'Alice', 'Bob'],
    'post_month': ['2023-01', '2023-03', '2023-02'],
    'thread_posts': [5, 3, 2],
    'hate_posts': [1, 0, 0],
    'replies': [10, 7, 4],
    'hateful_replies': [2, 1, 0]
})

# 1. 转换月份列为周期格式（方便生成连续月份）
df['post_month'] = pd.to_datetime(df['post_month']).dt.to_period('M')

# 2. 生成全量用户-月份组合
all_users = df['user_name'].unique()
min_month = df['post_month'].min()
max_month = df['post_month'].max()
all_months = pd.period_range(start=min_month, end=max_month, freq='M')
full_df = pd.MultiIndex.from_product([all_users, all_months], names=['user_name', 'post_month']).to_frame(index=False)

# 3. 左连接原数据，填充缺失值为0
result_df = full_df.merge(df, on=['user_name', 'post_month'], how='left').fillna(0)

# 4. 修正数值列类型（填充后会变成float，转回int）
numeric_cols = ['thread_posts', 'hate_posts', 'replies', 'hateful_replies']
result_df[numeric_cols] = result_df[numeric_cols].astype(int)

# 可选：把月份转回字符串格式（如'2023-01'）
result_df['post_month'] = result_df['post_month'].astype(str)

场景2：按用户各自的活跃周期补全月份 #

如果只需要补全每个用户首次活跃到末次活跃之间的缺失月份：

import pandas as pd

# 复用示例输入数据（同上）
df = pd.DataFrame({
    'user_name': ['Alice', 'Alice', 'Bob'],
    'post_month': ['2023-01', '2023-03', '2023-02'],
    'thread_posts': [5, 3, 2],
    'hate_posts': [1, 0, 0],
    'replies': [10, 7, 4],
    'hateful_replies': [2, 1, 0]
})

df['post_month'] = pd.to_datetime(df['post_month']).dt.to_period('M')
numeric_cols = ['thread_posts', 'hate_posts', 'replies', 'hateful_replies']

# 1. 按用户分组生成各自的完整月份序列
def expand_user_period(group):
    user_min = group['post_month'].min()
    user_max = group['post_month'].max()
    user_months = pd.period_range(start=user_min, end=user_max, freq='M')
    return pd.DataFrame({'user_name': group['user_name'].iloc[0], 'post_month': user_months})

user_full_months = df.groupby('user_name').apply(expand_user_period).reset_index(drop=True)

# 2. 左连接并填充0
result_df = user_full_months.merge(df, on=['user_name', 'post_month'], how='left').fillna(0)
result_df[numeric_cols] = result_df[numeric_cols].astype(int)
result_df['post_month'] = result_df['post_month'].astype(str)

两种方案最终都会生成包含所有缺失月份的记录，非活跃月份的数值字段统一填充为0，仅保留user_name和对应月份的正确值。

内容的提问来源于stack exchange，提问作者Connor95