为MultiIndex DataFrame的Level 1按Level 0补全日历日期索引

我来帮你搞定这个需求！针对每个Level 0分组补全其对应的完整日期范围，用pandas的分组操作结合reindex就能轻松实现，下面一步步给你演示：

第一步：构造示例数据（方便你对照操作） #

先模拟一个带有日期缺失的MultiIndex DataFrame：

import pandas as pd
import numpy as np

# 构造两组有缺失的日期序列
dates_group_a = pd.date_range('2023-01-01', '2023-01-05', freq='2D')  # 缺2023-01-02、04
dates_group_b = pd.date_range('2023-01-03', '2023-01-07', freq='3D')  # 缺2023-01-04、05、06

# 生成MultiIndex和DataFrame
index = pd.MultiIndex.from_tuples(
    [('A', d) for d in dates_group_a] + [('B', d) for d in dates_group_b],
    names=['Level0', 'Level1']
)
df = pd.DataFrame({'value': np.random.randn(5)}, index=index)

第二步：核心补全逻辑 #

通过groupby按Level 0分组，对每个分组生成从最小日期到最大日期的完整日历序列，再用reindex补全行：

def fill_group_dates(group):
    # 获取当前分组的日期边界
    min_date = group.index.min()
    max_date = group.index.max()
    # 生成完整日历日期序列
    full_date_range = pd.date_range(min_date, max_date, freq='D')
    # 重新索引补全，缺失值默认用NaN填充
    return group.reindex(full_date_range)

# 分组应用补全函数，再整理索引格式
filled_df = df.groupby(level='Level0').apply(fill_group_dates)
filled_df = filled_df.reset_index(level=0, drop=False).rename_axis(['Level0', 'Level1'])

可选：自定义缺失值填充规则 #

如果不想用NaN填充缺失值，可以修改reindex的参数，或者用填充方法：

• 用固定值（比如0）填充：

def fill_with_fixed_value(group):
    min_date = group.index.min()
    max_date = group.index.max()
    full_date_range = pd.date_range(min_date, max_date, freq='D')
    return group.reindex(full_date_range, fill_value=0)

• 前向填充（用上一个有效值填充）：

def fill_with_ffill(group):
    min_date = group.index.min()
    max_date = group.index.max()
    full_date_range = pd.date_range(min_date, max_date, freq='D')
    return group.reindex(full_date_range).ffill()

验证结果 #

比如查看分组'A'的索引，就能看到已经补全了所有日历日期：

print(filled_df.loc['A'].index)

内容的提问来源于stack exchange，提问作者feetwet