如何在按Code分组的DataFrame索引中插入缺失的全量日期

该需求可以通过Pandas的多级索引重索引功能轻松实现，具体步骤如下：

• 第一步：预处理原数据，将日期索引转换为datetime格式

# 确保Date索引为datetime类型
df.index = pd.to_datetime(df.index)

• 第二步：生成全局日期范围（覆盖所有数据的最小到最大月末日期）

min_date = df.index.min()
max_date = df.index.max()
# 生成按月末对齐的全量日期序列
all_dates = pd.date_range(start=min_date, end=max_date, freq='M')

• 第三步：构造全量日期+Code的笛卡尔积索引

# 获取所有唯一的Code值
all_codes = df['Code'].unique()
# 构造双级索引，顺序与原数据索引逻辑对齐
full_index = pd.MultiIndex.from_product(
    [all_dates, all_codes],
    names=['Date', 'Code']
)

• 第四步：重索引补全缺失值并调整格式

# 将原数据转为双索引后重索引，补全缺失值为NaN
result = df.set_index('Code', append=True)\
           .reindex(full_index)\
           .reset_index(level='Code')\
           .sort_values(by=['Code', 'Date'])

运行以上代码得到的result即为你需要的期望输出格式，所有Code都会覆盖全局最小到最大的全部月末日期，无统计值的Count字段自动填充为NaN。

内容的提问来源于stack exchange，提问作者Sam