如何在DataFrame中补全'day'列的缺失天数并填充缺失值？

这里有个简洁的方法帮你补全day列的完整日期，同时把缺失天数对应的trans值填充为NaN，用pandas就能轻松实现：

步骤1：准备原始数据 #

首先把你的原始数据转换成pandas DataFrame：

import pandas as pd

# 原始DataFrame数据
raw_data = {
    'id': [0, 1, 2, 3, 4, 5],
    'month': [8, 8, 8, 8, 8, 8],
    'day': [1, 2, 3, 4, 6, 8],
    'trans': [9, 5, 10, 6, 4, 4]
}
df = pd.DataFrame(raw_data)

步骤2：生成完整的日期基准表 #

因为需要补全1到8日的所有天数，先创建一个包含完整day序列的基准表，同时统一month为8：

# 生成1-8日的完整序列
full_day_range = pd.DataFrame({'day': range(1, 9)})
full_day_range['month'] = 8  # 所有行的month都为8

步骤3：合并数据并填充缺失值 #

用**外连接（outer join）**把原始数据和基准表合并，这样就能保留所有日期，缺失的trans会自动填充为NaN：

# 按month和day合并，保留所有行
merged_df = pd.merge(full_day_range, df, on=['month', 'day'], how='outer')

步骤4：重置id列并调整顺序 #

最后重置id列，让它变成连续的序列，同时调整列的顺序和你期望的输出一致：

# 生成新的连续id
merged_df['id'] = range(len(merged_df))
# 调整列的顺序
merged_df = merged_df[['id', 'month', 'day', 'trans']]

最终输出结果 #

运行完上面的代码后，merged_df就会和你期望的结果一致：

id  month  day  trans
0   0      8    1    9.0
1   1      8    2    5.0
2   2      8    3   10.0
3   3      8    4    6.0
4   4      8    5    NaN
5   5      8    6    4.0
6   6      8    7    NaN
7   7      8    8    4.0

注：pandas中默认用NaN表示缺失值，和你写的NAN是同一个意思，如果需要显示为大写的NAN，可以用merged_df['trans'] = merged_df['trans'].fillna('NAN')来替换。

内容的提问来源于stack exchange，提问作者Youssef Razak