如何为DataFrame按location补全缺失日期并填充默认值

假设你的DataFrame结构类似（第三列为需要补0的数值列，示例中命名为value）：

步骤1：统一日期格式 #

先确保date列是datetime类型，否则无法生成连续日期序列：

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

场景1：每个地区仅补全自身已有日期范围内的缺失 #

比如9708已有2017-12-24和2017-12-27，仅补这两个日期之间的25、26日：

# 设置复合索引（地区+日期）
df = df.set_index(['location', 'date'])

# 按地区分组，每个组生成自身的完整每日日期序列，缺失值补0
df = df.groupby('location').apply(
    lambda group: group.reindex(
        pd.date_range(
            start=group.index.get_level_values('date').min(),
            end=group.index.get_level_values('date').max(),
            freq='D'  # 按天生成连续日期
        ),
        fill_value=0
    )
).reset_index()

场景2：所有地区使用统一的全局日期范围 #

如果需要所有地区都覆盖整个数据集的最早到最晚日期（比如全数据集时间范围是2017-12-01至2017-12-31），所有地区都要补全这段时间的所有日期：

# 先获取全局的完整日期序列
full_dates = pd.date_range(start=df['date'].min(), end=df['date'].max(), freq='D')

# 设置复合索引后，将地区转成列，按全局日期重索引，再转回行并补0
df = df.set_index(['location', 'date'])
df = (df.unstack(level='location')  # 把location转成列
        .reindex(full_dates)        # 按全局日期补全缺失日期
        .stack(level='location')    # 把location转回行索引
        .fillna(0)                  # 缺失值填充0
        .reset_index())             # 重置索引为普通列

处理后，9708的缺失日期行将变为：

内容的提问来源于stack exchange，提问作者user2128702