如何在Pandas中用groupby补全缺失日期分组并填充均值为0？

嘿，我来帮你搞定这个补全一周天数的问题！先确认下你提到的基础操作完全没问题：

• 获取厂商的计数：df.manufacturer.value_counts()
• 按day分组计算每日平均价格：df.groupby("day").price.mean()

接下来重点解决补全一周7天，缺失天均值设为0的需求，分两种常见场景给你具体方案：

场景1：day列是数字格式（比如1=周一，7=周日） #

假设你的day列用1-7的数字代表一周7天，代码可以这么写：

import pandas as pd

# 先计算已有天数的平均价格
daily_mean = df.groupby("day").price.mean()

# 创建包含完整7天的索引，根据你实际的day数值范围调整（比如0-6就写range(0,7)）
full_days = pd.Index(range(1, 8), name="day")

# 重新索引补全缺失天数，缺失值填充为0
daily_mean_full = daily_mean.reindex(full_days, fill_value=0)

场景2：day列是星期字符串格式（比如'Monday'、'周二'） #

如果你的day列是星期名称，只需要把完整的星期列表对应上就行：

import pandas as pd

# 定义一周完整的星期名称，注意要和你数据里的格式完全匹配（大小写、语言要一致）
full_week_days = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
# 如果是中文就换成：['周一', '周二', '周三', '周四', '周五', '周六', '周日']

# 计算已有天数的平均价格
daily_mean = df.groupby("day").price.mean()

# 重新索引补全，缺失位置填充0
daily_mean_full = daily_mean.reindex(full_week_days, fill_value=0)

小提示 #

• groupby生成的结果只会包含数据中实际存在的day值，缺失的天数不会显示；
• reindex是核心：它会按照你指定的完整索引重新排列数据，缺失的位置直接用fill_value参数指定的0填充；
• 一定要保证完整天数列表的格式和你DataFrame里day列的格式完全一致，不然补全可能失效哦！

内容的提问来源于stack exchange，提问作者IordanouGiannis