pandas多级索引缺失类别补全 reindex保留原值填0问题咨询

你可以通过两种方式实现需求，都不会丢失原有有效数据，缺失条目自动填充0：

方法1：全量组合左关联（兼容性更强，无索引操作门槛） #

先基于全量类别字典生成所有group+class的组合，再和原数据做左关联即可：

import pandas as pd

# 你的原数据
df = pd.DataFrame(data={'group' : ['A','A','B','B','C','D'],
                        'class': ['g1','g2','g2','g3','g1','g2'],
                        'total' : [3,14,12,11,21,9]})
# 全量类别字典
dic = {'group':['A','B','C','D','E'],
       'class' : ['g1','g2','g3']}

# 生成所有group和class的全量笛卡尔积组合
full_combo = pd.DataFrame([(g, c) for g in dic['group'] for c in dic['class']], columns=['group', 'class'])
# 左关联原数据，缺失的total值填充为0
result = full_combo.merge(df, on=['group', 'class'], how='left').fillna(0)
# 修正数据类型（fillna后total可能变成float类型，按需转回int）
result['total'] = result['total'].astype(int)

方法2：双索引reindex实现（写法更简洁） #

如果之前用reindex失效，大概率是没有先正确设置双索引，正确写法如下：

# 先将原df设置为group+class的双索引结构
df_indexed = df.set_index(['group', 'class'])
# 基于全量字典生成标准双索引
full_index = pd.MultiIndex.from_product([dic['group'], dic['class']], names=['group', 'class'])
# 重排索引，缺失值填充0后恢复为普通列
result = df_indexed.reindex(full_index, fill_value=0).reset_index()

补充说明 #

如果你的实际业务数据中存在同一个group+class组合对应多条重复记录，可以先对原df按['group','class']做对应聚合（如求和、计数）后再执行上述操作即可。

内容的提问来源于stack exchange，提问作者an10b3