如何利用Datetime扩展Pandas DataFrame并补全缺失日期？

我来帮你完成这个需求，核心是将原数据的日期列转为索引，然后重新索引到完整的日期范围，再调整排序顺序即可。下面是具体步骤和完整代码：

步骤分解 #

1. 处理原DataFrame的日期列：首先要把第一列的字符串日期转换成Pandas可识别的日期类型，并设置为DataFrame的索引，这样才能和后续的完整日期范围对齐。
2. 创建完整的日期范围：生成包含你需要的所有日期（2001-01-22到2001-01-26）的DatetimeIndex。
3. 重新索引并排序：用reindex方法把原数据映射到完整日期范围，缺失的日期会自动填充NaN，最后按索引降序排列得到你要的顺序。

完整代码实现 #

import pandas as pd
import numpy as np

# 如果你是从CSV读取数据，注意你的数据是空格分隔，所以sep要设置为匹配任意空格
# df = pd.read_csv(fi, header=None, sep=r'\s+')

# 先模拟你的原数据
data = [
    ['1/25/2001', 1364.3, 1367.35, 1354.63],
    ['1/24/2001', 1360.4, 1369.75, 1357.28],
    ['1/23/2001', 1342.9, 1362.9, 1339.63]
]
df = pd.DataFrame(data)

# 步骤1：转换日期列并设置为索引
df[0] = pd.to_datetime(df[0], format='%m/%d/%Y')
df = df.set_index(0)

# 步骤2：创建完整的日期范围（包含2001-01-22到2001-01-26）
full_date_range = pd.date_range(start='2001-01-22', end='2001-01-26')

# 步骤3：重新索引并按日期降序排序
res = df.reindex(full_date_range).sort_index(ascending=False)

print(res)

代码细节说明 #

• pd.to_datetime(df[0], format='%m/%d/%Y')：明确指定日期格式，避免Pandas自动解析出错，确保字符串日期能正确转为datetime类型。
• pd.date_range：相比np.arange，这个方法更适配Pandas的日期处理，直接生成DatetimeIndex，后续和原索引对齐更顺畅。
• reindex(full_date_range)：将原DataFrame的索引替换为完整日期范围，缺失的日期对应的行自动填充NaN。
• sort_index(ascending=False)：把结果按日期从新到旧排序，和你需要的输出顺序完全一致。

最终输出结果 #

运行代码后会得到你想要的结果：

1        2        3
2001-01-26       NaN      NaN      NaN
2001-01-25  1364.30  1367.35  1354.63
2001-01-24  1360.40  1369.75  1357.28
2001-01-23  1342.90  1362.90  1339.63
2001-01-22       NaN      NaN      NaN

内容的提问来源于stack exchange，提问作者Roman