Pandas按分组条件为col_name列缺少C、D值的分组新增对应行方法

核心思路是先生成所有name必须包含的C、D行模板，和所有唯一name做笛卡尔积得到全量基准行，再和原表对比找出缺失的行，填充固定值后合并回原表即可，该方案兼容任意多的额外列。

完整实现代码 #

import pandas as pd

# ---------------------- 示例原数据（可替换为你的实际DataFrame） ----------------------
df = pd.DataFrame({
    'owner': ['user1', 'user2', 'user1', 'user3'],
    'name': ['group1', 'group1', 'group2', 'group3'],
    'col_name': ['A', 'C', 'B', 'D'],
    'test_col1': [1,2,3,4],
    'test_col2': ['str1', 'str2', 'str3', 'str4'],
    'extra_col1': [10, 20, 30, 40] # 模拟实际场景中的其他额外列
})

# ---------------------- 核心逻辑 ----------------------
# 1. 定义C、D补全行的固定字段值模板
fill_template = pd.DataFrame([
    {'col_name': 'C', 'owner': 'svc', 'test_col1': 'remain_constant_3', 'test_col2': 'String13'},
    {'col_name': 'D', 'owner': 'svc', 'test_col1': 'remain_constant_4', 'test_col2': 'String14'}
])

# 2. 获取所有唯一的分组name
all_names = df[['name']].drop_duplicates()

# 3. 生成每个name必须有的C/D基准行（笛卡尔积）
# Pandas 1.2.0+ 支持how='cross'
required_rows = all_names.merge(fill_template, how='cross')
# 低版本Pandas兼容写法：
# all_names['tmp'] = 1
# fill_template['tmp'] = 1
# required_rows = all_names.merge(fill_template, on='tmp').drop('tmp', axis=1)

# 4. 匹配原表找出缺失的待补行
compare = required_rows.merge(
    df[['name', 'col_name']], 
    on=['name', 'col_name'], 
    how='left', 
    indicator=True
)
missing_rows = compare[compare['_merge'] == 'left_only'].drop('_merge', axis=1)

# 5. 填充其余列，可按需自定义填充规则
for col in df.columns:
    if col not in missing_rows.columns:
        if pd.api.types.is_numeric_dtype(df[col]):
            missing_rows[col] = 0 # 数值列默认填0
        elif pd.api.types.is_string_dtype(df[col]):
            missing_rows[col] = '' # 字符串列默认填空串
        else:
            missing_rows[col] = pd.NA # 其他类型默认填空值

# 6. 合并原表和补全行，得到最终结果
final_df = pd.concat([df, missing_rows], ignore_index=True)

如果你的其他列有特殊填充规则，直接修改上述第5步的赋值逻辑即可，核心匹配逻辑不需要调整，新增列也会自动适配。

内容的提问来源于stack exchange，提问作者Vaibhav Borkar