多DataFrame补全所有年份索引并填充缺失count值为0

嘿，这事儿好办！我们只需要两步就能搞定：先收集所有出现过的年份，再让每个DataFrame根据这个完整的年份列表重新索引，缺失的count值自动填0。

步骤1：收集所有唯一的年份 #

首先，我们把三个DataFrame的索引（也就是year）合并起来，去重后得到所有需要覆盖的年份，还可以给它们排个序看起来更整齐。

步骤2：重新索引每个DataFrame并填充0 #

用Pandas的reindex()方法，给每个DataFrame传入完整的年份列表，同时指定fill_value=0，这样缺失的年份对应的count就会自动补0啦。

下面是完整的代码示例：

import pandas as pd

# 定义三个原始DataFrame
df1 = {'year': ['2010','2012','2014','2015'], 'count': [1,1,1,1]}
df1 = pd.DataFrame(data=df1).set_index('year')

df2 = {'year': ['2010','2011','2016','2017'], 'count': [2,1,3,1]}
df2 = pd.DataFrame(data=df2).set_index('year')

df3 = {'year': ['2010','2011','2012','2013','2014','2015','2017'], 'count': [4,2,5,4,4,1,1]}
df3 = pd.DataFrame(data=df3).set_index('year')

# 收集所有唯一的年份并排序
all_years = sorted(set(df1.index) | set(df2.index) | set(df3.index))

# 对每个DataFrame重新索引并填充0
df1_complete = df1.reindex(all_years, fill_value=0)
df2_complete = df2.reindex(all_years, fill_value=0)
df3_complete = df3.reindex(all_years, fill_value=0)

# 查看结果
print("补全后的df1：")
print(df1_complete)
print("\n补全后的df2：")
print(df2_complete)
print("\n补全后的df3：")
print(df3_complete)

运行这段代码后，你会得到每个DataFrame都包含了所有年份（2010、2011、2012、2013、2014、2015、2016、2017），缺失的count值都被填充为0，完全符合你的需求~

内容的提问来源于stack exchange，提问作者el323