Pandas时间序列补全：如何便捷填充缺失行并向前填充值？

问题场景 #

收集时间序列数据时，部分时间点无数据导致对应行缺失。示例原始数据如下：

import pandas as pd

df_ = pd.DataFrame({'group': ['A']*3+['B']*3,
                    'time': [1,2,4,1,3,4],
                    'value': [100,105,111,200,234,222]})

需求：按group分组后补全所有缺失的时间行，并通过向前填充（ffill）补全value列的值。原方法需手动创建模板DataFrame再做左连接，步骤繁琐，尤其当分组多、时间范围广时成本很高。

更优解决方案 #

利用pandas的groupby结合reindex、ffill，无需手动构建模板，直接按组补全时间序列：

代码实现 #

# 定义所有需要覆盖的时间点（根据实际需求调整范围）
all_times = range(1, 5)  # 本例中为1-4的时间点

# 分组处理：补全时间索引 + 向前填充缺失值
df_final = df_.groupby('group').apply(
    lambda group: group.set_index('time')  # 将time设为组内索引
                       .reindex(all_times)  # 补全缺失的时间点
                       .ffill()  # 向前填充value列
                       .reset_index()  # 恢复time为普通列
).reset_index(drop=True)  # 移除分组产生的冗余索引

# 输出结果
print(df_final)

输出结果 #

group  time  value
0     A     1  100.0
1     A     2  105.0
2     A     3  105.0
3     A     4  111.0
4     B     1  200.0
5     B     2  200.0
6     B     3  234.0
7     B     4  222.0

方案优势 #

• 无需手动构建模板：避免了因分组数量多、时间范围大导致的模板编写繁琐问题
• 组内独立处理：分组操作保证每个组的时间补全和填充仅在组内进行，不会跨组干扰
• 代码简洁高效：逻辑连贯，链式调用完成核心操作，可读性和维护性更强

内容的提问来源于stack exchange，提问作者pd441