如何对多分组Pandas DataFrame重采样，使各组合日期数一致？

实现步骤 #

1. 统一日期字段格式
   先把原始DataFrame的date列转为datetime类型，避免后续日期处理出错：

   import pandas as pd
   # 假设原始数据框名为df
   df['date'] = pd.to_datetime(df['date'])
   

2. 生成完整日期序列
   按照需求生成2020-01-01到2020-01-05的全部日期：

   full_dates = pd.date_range(start='2020-01-01', end='2020-01-05', freq='D')
   

3. 生成全量组合（笛卡尔积）
   提取person_id、event、mode的唯一组合，再和完整日期序列做笛卡尔积，得到所有应存在的(date, person_id, event, mode)组合：

   # 获取唯一的(person_id, event, mode)分组
   unique_groups = df[['person_id', 'event', 'mode']].drop_duplicates()
   # 生成笛卡尔积补全所有日期-分组组合
   full_combinations = unique_groups.assign(key=1).merge(pd.DataFrame({'date': full_dates, 'key': 1}), on='key').drop('key', axis=1)
   

4. 统计原始数据的每日计数
   对原始数据按person_id、event、mode、date分组，统计每组的记录条数：

   daily_counts = df.groupby(['person_id', 'event', 'mode', 'date']).size().reset_index(name='count')
   

5. 合并补0
   将全量组合数据和统计结果左连接，把缺失的计数填充为0：

   df_summarized = full_combinations.merge(daily_counts, on=['person_id', 'event', 'mode', 'date'], how='left').fillna({'count': 0})
   

验证结果 #

运行你指定的验证代码，确认每个(person_id, event, mode)组合的唯一日期数均为5：

validation = df_summarized.groupby(['person_id', 'event', 'mode'])['date'].nunique().reset_index()
# 输出查看结果，所有nunique值应为5
print(validation)

内容的提问来源于stack exchange，提问作者Dr Wampa