Pandas DataFrame执行reindex重索引后原有数据全为0如何解决

问题原因 #

• 核心诱因是新旧索引的数据类型不匹配：原DataFrame df_2 的索引为datetime64类型的时间戳，你通过pd.period_range()生成的目标索引属于Period时期类型，两类索引无法对齐匹配，因此pandas判定所有索引值均不存在，统一填充了预设的fill_value=0。
• 如果你尝试用pd.date_range()也出现同类问题，通常是原索引存在格式异常：比如原索引是字符串格式的日期、或原索引带时区信息但生成的date_range不带时区，同样会引发对齐失败。

解决方法 #

执行重索引操作前，首先需要统一原索引和目标索引的类型，常用方案如下：

方案1：统一使用datetime类型索引（最通用） #

# 第一步先确保原索引为标准datetime类型（如果原索引是字符串，这一步是必须的）
df_2.index = pd.to_datetime(df_2.index)
# 生成和原索引类型一致的连续日度索引
idx = pd.date_range(start=df_2.index.min(), end=df_2.index.max(), freq='D')
# 执行重索引操作
df_3 = df_2.reindex(idx, fill_value=0)

方案2：统一使用Period类型索引 #

如果你的业务场景需要保留Period类型索引，可先将原索引转换为Period类型再对齐：

# 将原索引转换为日度Period类型
df_2.index = df_2.index.to_period('D')
# 生成同类型的连续Period索引
idx = pd.period_range(start=df_2.index.min(), end=df_2.index.max(), freq='D')
# 执行重索引操作
df_3 = df_2.reindex(idx, fill_value=0)

执行上述操作后，原有日期的数值会正常保留，缺失的日期行会自动填充为0。

内容的提问来源于stack exchange，提问作者June Smith