如何在Pandas DataFrame中为缺失变量值填充0（无需分组）

你可以用以下两种常见的pandas方法实现需求：

方法一：使用reindex（简洁高效） #

先构造你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'column1': [1, 3, 5],
    'sum_count': [10, 2, 1]
})

通过重新索引补全缺失值并填充0：

# 将column1设为索引
df = df.set_index('column1')
# 重新生成1-5的完整索引，缺失位置填充0，最后重置索引恢复列结构
df = df.reindex(range(1, 6), fill_value=0).reset_index()

方法二：使用merge（灵活通用） #

如果需要更灵活的关联逻辑，可以用左连接的方式补全：

# 生成包含1-5所有值的基础DataFrame
full_column = pd.DataFrame({'column1': range(1, 6)})
# 左连接原始数据，保留所有1-5的行
result = full_column.merge(df, on='column1', how='left')
# 将缺失的sum_count值填充为0
result['sum_count'] = result['sum_count'].fillna(0)

两种方法最终都会得到你想要的结果：

内容的提问来源于stack exchange，提问作者ozzboy