Key首次出现后为无数据的对应日期插入Metric为0的记录

SQL 实现方案（适配月度/日度统计，通用度高） #

核心逻辑是先构造全量的Key-日期配对，再关联原表补空值为0，可直接套用以下代码：

WITH 
-- 步骤1：提取所有出现过的统计日期，如有现成的全量日期维度表可直接替换这部分
all_dates AS (
    SELECT DISTINCT Date FROM your_table
),
-- 步骤2：计算每个Key的首次出现日期
key_first_date AS (
    SELECT Key, MIN(Date) AS first_date FROM your_table GROUP BY Key
),
-- 步骤3：生成每个Key对应首次出现日期之后的全量日期配对
full_key_date AS (
    SELECT 
        k.Key,
        d.Date
    FROM key_first_date k
    JOIN all_dates d ON d.Date >= k.first_date
)
-- 步骤4：左关联原表，缺失的Metric补0
SELECT 
    f.Date,
    f.Key,
    COALESCE(t.Metric, 0) AS Metric
FROM full_key_date f
LEFT JOIN your_table t 
    ON f.Key = t.Key AND f.Date = t.Date
ORDER BY f.Key, f.Date;

如果要适配日度统计，仅需把all_dates部分替换为你的日度日期维度表即可，后续逻辑无需调整。

Python Pandas 实现方案（适合本地小数据量处理） #

import pandas as pd

# 原始数据读取为df对象，示例：df = pd.read_csv('your_file.csv')

# 转换日期格式避免匹配错误
df['Date'] = pd.to_datetime(df['Date'])

# 1. 取所有唯一统计日期
all_dates = df['Date'].drop_duplicates().sort_values()
# 2. 取每个Key的首次出现日期
key_first = df.groupby('Key')['Date'].min().reset_index()
# 3. 生成全量Key-日期配对
full_pairs = []
for _, row in key_first.iterrows():
    key = row['Key']
    first_dt = row['Date']
    valid_dates = all_dates[all_dates >= first_dt]
    for dt in valid_dates:
        full_pairs.append({'Key': key, 'Date': dt})
full_df = pd.DataFrame(full_pairs)
# 4. 左关联原表，缺失值补0
result = full_df.merge(df, on=['Key', 'Date'], how='left').fillna({'Metric': 0})
# 可选：调整Metric为整数类型
result['Metric'] = result['Metric'].astype(int)

运行后输出结果和你预期的完全一致，缺失日期对应的新增记录Metric值均为0。

内容的提问来源于stack exchange，提问作者kpdawson24