Pandas按两列分组后，如何为每个分组保留所有Class的可能值？

这问题我之前处理过，核心是得先构造出所有Country和Class的完整组合，再和分组求和后的结果做关联，这样就能自动补全每个Country缺失的Class项，对应值填充为NaN了。

完整步骤代码 #

先还原你的原始数据：

import pandas as pd
df = pd.DataFrame(data=[['Sweden','A',5], ['Sweden','A',10], ['Norway','B',4], ['Norway','C',5]], columns=['Country','Class','Value'])

接下来分四步操作：

1. 先做分组求和，保留为普通DataFrame（避免默认的多级索引）

sum_df = df.groupby(['Country','Class'], as_index=False).sum()

此时sum_df是便于后续合并的普通结构：

Country Class  Value
0  Norway     B      4
1  Norway     C      5
2  Sweden     A     15

2. 生成所有Country和Class的笛卡尔积（即所有可能的组合）

# 提取数据中所有唯一的国家和类别
all_countries = df['Country'].unique()
all_classes = df['Class'].unique()

# 构造包含全部组合的DataFrame
full_combinations = pd.DataFrame(
    pd.MultiIndex.from_product([all_countries, all_classes], names=['Country','Class']),
    columns=['Country','Class']
)

这一步会生成6条记录（2个国家×3个类别），覆盖所有可能的Country+Class组合。

3. 左连接完整组合与求和结果

result = pd.merge(full_combinations, sum_df, on=['Country','Class'], how='left')

左连接会保留完整组合里的所有行，没有对应求和值的位置会自动填充NaN。

4. 转为你期望的多级索引格式

result = result.set_index(['Country','Class'])

最终结果 #

运行后得到的result完全符合你的需求：

Value
Country Class        
Sweden  A        15.0
        B         NaN
        C         NaN
Norway  B         4.0
        C         5.0
        A         NaN

简化写法（一行搞定） #

如果觉得步骤繁琐，也可以用更简洁的写法，本质逻辑一致：

result = df.groupby(['Country','Class'])['Value'].sum()\
           .reindex(pd.MultiIndex.from_product([df['Country'].unique(), df['Class'].unique()], names=['Country','Class']))

直接用reindex将分组求和结果的索引替换为完整组合，缺失项自动填充NaN。

内容的提问来源于stack exchange，提问作者Bera