如何在Pandas中合并同列DataFrame补全0犯罪年份数据？

以下是可直接在Jupyter Notebook中运行的实现步骤：

1. 生成包含所有国家-年份组合的DataFrame（df2） #

先定义你的国家列表和目标年份范围，通过笛卡尔积生成完整的组合：

import pandas as pd

# 替换为你实际的18个国家列表
countries = ["国家1", "国家2", "国家3", ...]  # 补充剩余国家
years = range(2000, 2021)  # 覆盖2000-2020所有年份

# 生成全量国家-年份组合
df2 = pd.DataFrame(
    pd.MultiIndex.from_product([countries, years], names=["country", "year"]),
    columns=["country", "year"]
)

2. 合并df1与df2并填充缺失值 #

使用merge做左连接，保留df2的所有行，将df1中的犯罪数据匹配进来，最后把缺失值替换为0：

# 左连接：保留df2的所有组合，匹配df1中的已有数据
# 确保df1的列名和df2一致（比如都是country和year），否则用left_on/right_on指定对应列
merged_df = df2.merge(df1, on=["country", "year"], how="left")

# 将缺失的犯罪数替换为0
merged_df["crime_total"] = merged_df["crime_total"].fillna(0)

补充说明 #

• 如果df1的列名和df2不一致（比如df1中国家列叫Country），修改merge语句：

  merged_df = df2.merge(
      df1,
      left_on=["country", "year"],
      right_on=["Country", "year"],
      how="left"
  )
  # 删除重复的列（可选）
  merged_df = merged_df.drop("Country", axis=1)
  

• 最终的merged_df就是包含所有国家-年份、且缺失年份犯罪数为0的目标DataFrame。

内容的提问来源于stack exchange，提问作者taraamcl