Pandas全外连接后如何填充空白Product列及PnL列NaN值为0

方案1：更简单的从头实现（推荐，无后续补空值逻辑） #

不需要用全外连接，先构造「全量产品+全量区域」的笛卡尔积作为基准表，再左关联原表数据即可从根源避免空值问题，一步到位：

import pandas as pd

# 1. 定义全量区域列表
all_regions = ['Northeast', 'Southeast', 'Mid-Atlantic', 'Midwest', 'Prairies', 'Southwest', 'Northwest', 'California']
# 2. 提取原df中所有不重复的产品列表
all_products = df['Product'].unique()
# 3. 构造笛卡尔积基准表，单日期场景直接统一赋值日期即可
single_date = df['Date'].iloc[0]
base_df = pd.MultiIndex.from_product([all_products, all_regions], names=['Product', 'Region']).to_frame(index=False)
base_df['Date'] = single_date

# 4. 左关联原数据，空PnL直接填0
result = base_df.merge(df, on=['Date', 'Product', 'Region'], how='left').fillna(0)

若你的df包含多个日期数据，只需把日期也加入笛卡尔积维度即可：

all_dates = df['Date'].unique()
base_df = pd.MultiIndex.from_product([all_dates, all_products, all_regions], names=['Date', 'Product', 'Region']).to_frame(index=False)

方案2：针对当前已生成的中间表的修复方法 #

如果你不想重走合并流程，直接填充已有中间表的空Product值也可以：

# 提取所有不重复的产品
all_products = df['Product'].unique()
# 筛选出Product为空的行，按Region去重后给每个Region分配所有产品
empty_rows = merged_df[merged_df['Product'].isna()].drop_duplicates(subset=['Region'])
filled_empty = empty_rows.drop(columns=['Product']).merge(pd.Series(all_products, name='Product'), how='cross')
# 替换原中间表里的空Product行
merged_df = pd.concat([merged_df[merged_df['Product'].notna()], filled_empty], ignore_index=True)
# 若新生成行仍有PnL空值再补0
merged_df = merged_df.fillna(0)

内容的提问来源于stack exchange，提问作者Zza