Pandas多级索引缺失项补零：自动补全DataFrame缺失class索引项

没问题，我来帮你搞定这个Pandas多级索引补全的问题，针对你用的v0.23.4版本，咱们可以用重新构建完整索引再对齐的方式来自动补全缺失的class项，具体操作如下：

首先，先把你提供的数据还原成可复现的DataFrame（方便你测试）：

import pandas as pd

# 构造示例数据
data = [
    ('2019-04-30', 0, 324),
    ('2019-04-30', 1, 6874),
    ('2019-04-30', 2, 44),
    ('2019-04-30', 3, 5),
    ('2019-04-30', 4, 15),
    ('2019-05-31', 0, 393),
    ('2019-05-31', 1, 6534),
    ('2019-05-31', 2, 64),
    ('2019-05-31', 3, 1),
    ('2019-05-31', 4, 22),
    ('2019-06-30', 0, 325),
    ('2019-06-30', 1, 5899),
    ('2019-06-30', 2, 48),
    ('2019-06-30', 4, 7),
]

df = pd.DataFrame(data, columns=['date', 'class', 'Col_values'])
df = df.set_index(['date', 'class'])

接下来是核心的补全步骤：我们需要先构建一个包含所有日期和完整class（0-4）组合的多级索引，然后让原DataFrame对齐到这个完整索引，缺失的项自动填充为0：

# 获取所有唯一的日期
unique_dates = df.index.get_level_values('date').unique()
# 定义完整的class范围（这里根据你的数据是0到4）
full_classes = list(range(5))  # 等价于[0,1,2,3,4]

# 生成日期和class的笛卡尔积，构建完整的多级索引
full_multi_index = pd.MultiIndex.from_product(
    [unique_dates, full_classes],
    names=['date', 'class']
)

# 重新索引并填充缺失值为0
df_filled = df.reindex(full_multi_index, fill_value=0)

执行完这段代码后，你可以查看2019-06-30的部分，就能看到class 3已经被补全，且Col_values为0：

print(df_filled.loc['2019-06-30'])

输出结果：

Col_values
class            
0             325
1            5899
2              48
3               0
4               7

补充说明 #

如果你的class范围不是固定的0-4，也可以从原DataFrame中提取所有已存在的class值来确保覆盖所有可能的类别，比如：

full_classes = df.index.get_level_values('class').unique().sort_values()

这样不管后续新增了哪些class，都能自动补全对应日期的缺失项。

内容的提问来源于stack exchange，提问作者La_haine