Pandas按年月分组生成聚合表后如何将缺失月份补为0值？

核心思路是在现有聚合结果的基础上，补全每个年份的1-12月索引，缺失值填充为0，以下提供两种可直接运行的实现方案：

方案1：reindex补全索引（推荐，无需修改原数据） #

import pandas as pd

# 你的原始数据
df = pd.DataFrame({
    'year': [2013,2013,2014,2014],
    'month': [6,8,1,2],
    'abc': [80,40,25,60],
    'xyz': [250,-5,15,80]
})

# 1. 按year、month分组聚合求和
agg_df = df.groupby(['year', 'month']).sum()

# 2. 构造完整的[年份+月份]多级索引
all_years = agg_df.index.get_level_values('year').unique()
full_multi_index = pd.MultiIndex.from_product(
    [all_years, range(1, 13)],
    names=['year', 'month']
)

# 3. 重排索引，缺失月份填充0
result = agg_df.reindex(full_multi_index, fill_value=0)

方案2：分类类型自动补全（代码更简洁） #

将month列设为固定取值范围的分类类型，分组时会自动保留所有月份的维度：

import pandas as pd

df = pd.DataFrame({
    'year': [2013,2013,2014,2014],
    'month': [6,8,1,2],
    'abc': [80,40,25,60],
    'xyz': [250,-5,15,80]
})

# 将month设置为分类类型，固定取值为1-12
df['month'] = pd.Categorical(df['month'], categories=range(1,13), ordered=True)
# 分组时关闭仅统计出现过的类别的参数，缺失值填充0
result = df.groupby(['year', 'month'], observed=False).sum().fillna(0)

注意：Pandas 2.0及以上版本groupby默认observed=True，必须加observed=False才会保留所有分类维度。

两种方案输出的结果完全符合预期，每个年份都会包含1-12月所有月份，无数据的月份对应值为0。

内容的提问来源于stack exchange，提问作者vvv