如何在Pandas DataFrame中填充缺失日期并补全np.nan值？

嘿，我来帮你解决这个补全缺失项的需求！先模拟一下你描述的原始数据结构，方便咱们一步步操作：

import pandas as pd
import numpy as np

# 构造和你需求匹配的示例数据
df = pd.DataFrame({
    'ID': [1, 1, 2, 2],
    'Day': ['Day1', 'Day2', 'Day2', 'Day3'],
    'Value': [10, 20, 30, 40]
})
print(df)

运行后会看到：

ID    Day  Value
0   1   Day1     10
1   1   Day2     20
2   2   Day2     30
3   2   Day3     40

完美，和你说的一样——ID=1缺了Day3，ID=2缺了Day1。下面给你两种实用的解决方案：

方法一：分组后重新索引（逻辑清晰，适合规则周期） #

这种方法的思路是先按ID分组，然后给每个组补上所有需要的Day值，缺失的Value自动填充np.nan：

# 先定义所有必须包含的Day列表
all_required_days = ['Day1', 'Day2', 'Day3']

# 按ID分组处理，重新索引后还原结构
df_filled = df.set_index('Day').groupby('ID').apply(
    lambda group: group.reindex(all_required_days).assign(ID=group.name)
).reset_index().rename(columns={'level_1': 'Day'})

# 调整列的顺序，让结果更符合原始结构（可选）
df_filled = df_filled[['ID', 'Day', 'Value']]
print(df_filled)

输出结果就是咱们想要的完整数据：

ID    Day  Value
0   1   Day1   10.0
1   1   Day2   20.0
2   1   Day3    NaN
3   2   Day1    NaN
4   2   Day2   30.0
5   2   Day3   40.0

方法二：Unstack + Stack（代码简洁，快速出结果） #

如果想要更简洁的代码，可以用 pivot 转宽表再转回长表的方式，缺失的Day会自动补全并填充NaN：

# 一步到位：转宽表补全缺失项，再转回长表
df_filled = df.pivot(index='ID', columns='Day', values='Value').stack(dropna=False).reset_index(name='Value')
print(df_filled)

运行后得到的结果和方法一完全一致，而且代码更短，适合快速处理这类问题。

小提示 #

• 如果你的Day是真实的日期格式（比如2024-05-01），可以用pd.date_range生成完整的日期序列来替换示例中的all_required_days，比如pd.date_range(start='2024-05-01', periods=3, freq='D')直接保留日期格式，或者转成类似DayX的格式。
• 要是原始数据还有其他列需要保留，只需要在分组或pivot的时候把这些列也纳入处理逻辑就好。

内容的提问来源于stack exchange，提问作者gabboshow