如何在Python中补全DataFrame缺失的序列号？支持自定义起止

问题描述 #

我之前用Excel完成补全缺失序列号的任务，现在想转到Python中实现相同功能：找出DataFrame里Sequence列的缺失序列号，对应Value列留空；同时希望支持自定义序列的起止范围（比如原序列起始是3，调整为从1开始到12结束）。

示例原DataFrame：

import pandas as pd
data = {'Sequence': [1, 2, 4, 6, 7, 9, 10], 'Value': ["x", "x", "x", "x", "x", "x", "x"] }
df = pd.DataFrame(data, columns = ['Sequence','Value'])

期望的目标输出：

Sequence Value
0         1     x
1         2     x
2         3      
3         4     x
4         5      
5         6     x
6         7     x
7         8      
8         9     x
9        10     x

解决方案 #

基础补全方案（基于原序列起止） #

这个方案会自动识别原Sequence列的最小和最大值，生成完整的序列后和原DataFrame合并，缺失的Value自动留空：

import pandas as pd

# 原数据
data = {'Sequence': [1, 2, 4, 6, 7, 9, 10], 'Value': ["x", "x", "x", "x", "x", "x", "x"] }
df = pd.DataFrame(data, columns = ['Sequence','Value'])

# 生成完整的序列号范围
min_seq = df['Sequence'].min()
max_seq = df['Sequence'].max()
full_sequence = pd.DataFrame({'Sequence': range(min_seq, max_seq + 1)})

# 合并原数据和完整序列，左连接保留所有完整序列号
result_df = pd.merge(full_sequence, df, on='Sequence', how='left')

# 将NaN替换为空字符串（如果需要的话，不替换的话会显示NaN）
result_df['Value'] = result_df['Value'].fillna('')

# 查看结果
print(result_df)

运行后就会得到你想要的目标输出，中间缺失的序列号对应的Value列是空字符串。

进阶自定义起止范围方案 #

如果需要自定义序列的起止（比如从1到12，不管原序列的范围），只需要修改生成完整序列的部分，手动指定起止值即可：

import pandas as pd

# 原数据
data = {'Sequence': [1, 2, 4, 6, 7, 9, 10], 'Value': ["x", "x", "x", "x", "x", "x", "x"] }
df = pd.DataFrame(data, columns = ['Sequence','Value'])

# 自定义起止范围
custom_start = 1
custom_end = 12

# 生成自定义范围的完整序列号
full_sequence_custom = pd.DataFrame({'Sequence': range(custom_start, custom_end + 1)})

# 合并数据并处理空值
result_df_custom = pd.merge(full_sequence_custom, df, on='Sequence', how='left')
result_df_custom['Value'] = result_df_custom['Value'].fillna('')

# 查看结果
print(result_df_custom)

这个方案会生成从1到12的所有序列号，原数据中存在的序列号保留对应的Value，不存在的则留空，完全满足自定义范围的需求。

内容的提问来源于stack exchange，提问作者Y.Ynot