如何为含多类别的pandas月度时间序列填充缺失值？

解决步骤 #

要补全每个产品（id）的月度缺失记录，核心是生成包含所有日期和所有产品的全量索引，再与原始数据合并填充缺失值：

1. 导入依赖库

import pandas as pd
import numpy as np

2. 构造/读取原始数据并转换日期类型

# 构造示例数据（实际场景可替换为读取文件逻辑）
df = pd.DataFrame({
    'date': ['2022-01-01', '2022-01-01', '2022-02-01', '2022-03-01', '2022-03-01', '2022-05-01', '2022-06-01', '2022-06-01'],
    'id': ['a', 'b', 'a', 'a', 'b', 'b', 'a', 'b'],
    'units': [10, 100, 15, 30, 70, 60, 8, 90]
})
# 将date列转为datetime类型，确保时间序列处理正常
df['date'] = pd.to_datetime(df['date'])

3. 生成完整月度日期范围
   从原始数据的最小日期到最大日期，生成连续的月度起始日期序列：

min_date = df['date'].min()
max_date = df['date'].max()
full_dates = pd.date_range(start=min_date, end=max_date, freq='MS')

4. 创建全量(date, id)索引
   通过日期序列与唯一id列表的笛卡尔积，生成所有应该存在的记录索引：

unique_ids = df['id'].unique()
full_index = pd.MultiIndex.from_product([full_dates, unique_ids], names=['date', 'id'])

5. 重新索引填充缺失值
   将原始数据对齐到全量索引，缺失的记录会自动填充np.nan：

df.set_index(['date', 'id'], inplace=True)
result = df.reindex(full_index).reset_index()

自定义填充值 #

如果需要用其他常量（比如0）代替np.nan，只需在reindex时指定fill_value参数：

result = df.reindex(full_index, fill_value=0).reset_index()

最终结果 #

执行上述代码后，得到的result就是你期望的补全后数据：

date id  units
0 2022-01-01  a   10.0
1 2022-01-01  b  100.0
2 2022-02-01  a   15.0
3 2022-02-01  b    NaN
4 2022-03-01  a   30.0
5 2022-03-01  b   70.0
6 2022-04-01  a    NaN
7 2022-04-01  b    NaN
8 2022-05-01  a    NaN
9 2022-05-01  b   60.0
10 2022-06-01  a    8.0
11 2022-06-01  b   90.0

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