如何为缺失Pre/Post周期的会员ID自动补零行？

针对你需要为缺失Pre/Post周期的会员自动补全行的需求，这里提供两种高效的实现方式，无需逐个处理会员ID：

首先确认示例数据：

import pandas as pd

df = pd.DataFrame({
    'unique_member_id_key': [723543, 723543, 723548, 723548, 723550, 723552, 723552],
    'net_amount': [34.26,35.09,72.07,54.73,54.32,87.43,87.32],
    'total_visits': [4,2,8,1,3,5,4],
    'Period': ["Pre","Post","Pre","Post","Pre","Pre","Post"]
})

方法一：透视+逆透视（直观易懂） #

通过先将数据透视成宽表补全缺失值，再逆透视回原格式：

# 生成透视表，自动补全缺失周期为0
pivot_df = df.pivot(
    index='unique_member_id_key',
    columns='Period',
    values=['net_amount', 'total_visits']
).fillna(0)

# 展开多层列名
pivot_df.columns = [f'{col[0]}_{col[1]}' for col in pivot_df.columns]
pivot_df = pivot_df.reset_index()

# 逆透视还原行结构
result_df = pd.melt(
    pivot_df,
    id_vars='unique_member_id_key',
    var_name='temp',
    value_name='value'
)

# 拆分临时列，还原原指标列
result_df[['metric', 'Period']] = result_df['temp'].str.split('_', expand=True)
result_df = result_df.pivot(
    index=['unique_member_id_key', 'Period'],
    columns='metric',
    values='value'
).reset_index()

# 调整列顺序匹配原数据格式
result_df = result_df[['unique_member_id_key', 'net_amount', 'total_visits', 'Period']]

方法二：MultiIndex重新索引（高效简洁） #

利用笛卡尔积生成完整的会员-周期索引，再重新对齐原数据，缺失值自动填充0：

# 获取所有会员ID和周期的完整组合
all_members = df['unique_member_id_key'].unique()
all_periods = ['Pre', 'Post']
full_index = pd.MultiIndex.from_product(
    [all_members, all_periods],
    names=['unique_member_id_key', 'Period']
)

# 重新索引并填充缺失值
result_df = df.set_index(['unique_member_id_key', 'Period']).reindex(full_index, fill_value=0).reset_index()

两种方法最终都会生成完整的数据集，比如原本只有Pre周期的会员723550，会新增一行Post周期的数据，net_amount和total_visits均为0。

内容的提问来源于stack exchange，提问作者Mark Jalapeno