如何为DataFrame补全各ID对应的缺失月份？

要实现每个ID包含所有SentMonth且缺失Amount填充0的需求，可以通过构建完整的ID-月份笛卡尔积来解决，具体步骤如下：

步骤1：提取唯一的ID和月份 #

先从原数据中获取所有不重复的ID和SentMonth值，用于生成完整的组合框架：

unique_ids = df['ID'].unique()
unique_months = df['SentMonth'].unique()

步骤2：生成ID与月份的笛卡尔积 #

利用itertools.product生成所有ID和月份的组合，确保每个ID都能覆盖所有存在的月份：

from itertools import product

# 生成完整的ID-月份组合
full_index = pd.DataFrame(product(unique_ids, unique_months), columns=['ID', 'SentMonth'])

步骤3：聚合原数据的Amount值 #

对原数据按ID和SentMonth分组，聚合同一ID同一月份的Amount（这里用sum，可根据需求调整）：

# 聚合每个ID每月的Amount总和
agg_df = df.groupby(['ID', 'SentMonth'], as_index=False)['Amount'].sum()

步骤4：合并并填充缺失值 #

将完整的ID-月份框架与聚合后的数据合并，缺失的Amount填充为0，同时补充每个ID的固定属性（如Tranche、Totals、Opened）：

# 合并并填充Amount的缺失值为0
result = full_index.merge(agg_df, on=['ID', 'SentMonth'], how='left').fillna({'Amount': 0})

# 提取每个ID的固定属性（Tranche、Totals、Opened）
id_metadata = df.groupby('ID').agg({
    'Tranche': 'first',
    'Totals': 'first',
    'Opened': 'first'
}).reset_index()

# 合并补充固定属性
result = result.merge(id_metadata, on='ID', how='left')

验证效果 #

处理后的result数据中，每个ID都会包含所有SentMonth的记录，无对应数据的Amount为0，后续可直接对Amount执行cumsum()操作：

# 按ID分组计算累计和
result['CumulativeAmount'] = result.groupby('ID')['Amount'].cumsum()

为什么这个方法可行？ #

• 避开了重索引时重复值的问题，直接通过笛卡尔积构建完整的记录框架
• 不需要依赖时间索引的resample，避免了索引类型错误
• 保留了每个ID的固定属性，确保数据完整性

内容的提问来源于stack exchange，提问作者user13948