如何基于时间周序列为pandas DataFrame插入缺失行并保持顺序

解决方案 #

你可以直接使用pandas内置的重索引/合并逻辑实现需求，不用手动循环查找缺失值和拼接，代码更简洁且天然保证周次顺序正确，同时支持同时补全多个缺失周。

短代码实现（适配你提供的同一年、固定维度的场景）

import pandas as pd

# 初始化原始DF
df = pd.DataFrame([[33534,9132,'Current','W41-2021',34],
              [33534,9132,'Current','W42-2021', 45],
              [33534,9132,'Current','W44-2021', 32],
              [33534,9132,'Current','W45-2021', 41],
              [33534,9132,'Current','W46-2021',49]], columns = ['Item', 'Location', 'Version', 'Time', 'Value'])

# 提取周数作为临时索引并排序
df = df.set_index(df['Time'].str[1:3].astype(int)).sort_index()
# 生成从最小周到最大周的完整索引
full_idx = range(df.index.min(), df.index.max()+1)
# 重索引自动补全缺失行
df = df.reindex(full_idx)

# 补全各列值
df['Time'] = 'W' + df.index.astype(str) + '-2021'
# 固定维度列复用前后值
df[['Item','Location','Version']] = df[['Item','Location','Version']].ffill().bfill()
# Value列填充0并转回整数
df['Value'] = df['Value'].fillna(0).astype(int)

# 清理临时索引，恢复原有结构
df = df.reset_index(drop=True)

通用扩展版（支持跨年、多维度分组场景）

如果你的数据涉及跨年、或者Item/Location等列存在多个分组，可使用下面的通用方案：

import pandas as pd

df = pd.DataFrame([[33534,9132,'Current','W41-2021',34],
              [33534,9132,'Current','W42-2021', 45],
              [33534,9132,'Current','W44-2021', 32],
              [33534,9132,'Current','W45-2021', 41],
              [33534,9132,'Current','W46-2021',49]], columns = ['Item', 'Location', 'Version', 'Time', 'Value'])

# 提取周、年数值字段
df[['week_num', 'year']] = df['Time'].str.extract('W(\d+)-(\d+)').astype(int)

# 按固定维度分组，每组生成完整周序列后合并
result_list = []
for (item, loc, version), group in df.groupby(['Item', 'Location', 'Version']):
    min_w, max_w = group['week_num'].min(), group['week_num'].max()
    year = group['year'].iloc[0]
    # 生成分组内完整周序列
    full_group = pd.DataFrame({
        'week_num': range(min_w, max_w+1),
        'year': year,
        'Item': item,
        'Location': loc,
        'Version': version
    })
    full_group['Time'] = 'W' + full_group['week_num'].astype(str) + '-' + full_group['year'].astype(str)
    # 合并原数据补Value
    full_group = full_group.merge(group[['Time', 'Value']], on='Time', how='left')
    result_list.append(full_group)

# 合并所有分组结果，处理格式
result = pd.concat(result_list, ignore_index=True)
result['Value'] = result['Value'].fillna(0).astype(int)
result = result[df.columns.drop(['week_num', 'year'])]

内容的提问来源于stack exchange，提问作者PranavM