Python Pandas多索引reindex：按id补全日期时country列全NaN问题

代码返回country列全NaN由两个核心问题导致：

• 类型不匹配：原始DataFrame的date列是字符串格式，pd.date_range生成的是datetime64时间类型，reindex时索引值类型不一致，完全匹配不到原始行数据，所有值初始都是空。
• 填充逻辑错误：即使对齐类型，直接全局ffill会跨id填充值，比如A组的国家值会错误填充到B组的行，必须按id分组做前向填充。

先把date列转为datetime类型，重排索引后分组填充即可：

import pandas as pd

test = {"id": ["A", "A", "A", "B", "B", "B"],
        "date":    ["09-02-2013", "09-03-2013", "09-05-2013", "09-15-2013", "09-17-2013", "09-18-2013"],
        "country": ["Poland", "Poland", "France", "Scotland", "Scotland", "Canada"]}
test_df = pd.DataFrame(test)

# 转换日期列为datetime类型，统一索引格式
test_df["date"] = pd.to_datetime(test_df["date"], format="%m-%d-%Y")

# 计算每个id对应的日期上下限
date_bounds = test_df.groupby("id")["date"].agg(["min", "max"])

# 构造补全后的(date, id)多重索引
full_idx = pd.MultiIndex.from_frame(
    date_bounds.apply(lambda x: pd.date_range(x["min"], x["max"], freq="D"), axis=1)
    .explode()
    .reset_index(name="date")[["date", "id"]]
)

# 重排数据
test_df = test_df.set_index(["date", "id"]).reindex(full_idx)

# 按id分组前向填充，避免跨id填错值
test_df["country"] = test_df.groupby(level="id")["country"].ffill()

# 重置索引，如需保留原日期字符串格式可加这步
test_df = test_df.reset_index()
test_df["date"] = test_df["date"].dt.strftime("%m-%d-%Y")

运行后输出结果完全符合预期：

pandas 1.3及以上版本可以直接用分组重采样实现，不需要手动构造索引，代码更简洁不易出错：

test_df["date"] = pd.to_datetime(test_df["date"], format="%m-%d-%Y")
result = (
    test_df.set_index("date")
    .groupby("id")
    .resample("D")
    .ffill()
    .reset_index()
)
# 转回原字符串日期格式
result["date"] = result["date"].dt.strftime("%m-%d-%Y")

内容的提问来源于stack exchange，提问作者FilipaF