如何扩展DataFrame日期范围并以0填充缺失值（无需merge/concat）

当然有更快捷的方法！你可以直接用Pandas的reindex方法来完成这个需求，这是专门为重新对齐索引设计的功能，完全不需要把index_转成DataFrame再做合并操作，代码简洁又高效。

完整实现步骤 #

首先要注意：你生成的df_索引是字符串格式，而目标index_是datetime类型，所以需要先把原索引转成datetime，这样才能正确匹配日期。之后直接调用reindex即可：

import pandas as pd

# 你的原始DataFrame生成代码
df_ = pd.DataFrame([['2018-02-05', '2018-02-11', '2018-02-12'], [77, 77, 77]]).transpose()
df_.set_index(keys=0, inplace=True)

# 关键：将原索引转换为datetime类型，确保和目标索引类型一致
df_.index = pd.to_datetime(df_.index)

# 定义目标日期范围
start_date = pd.to_datetime('2018-02-01')
end_date = start_date + pd.DateOffset(months=1) - pd.DateOffset(days=14)
index_ = pd.date_range(start_date, end_date)

# 核心操作：reindex扩展索引并填充缺失值为0
result_df = df_.reindex(index_, fill_value=0)

为什么这个方法好用？ #

• reindex会自动按照你传入的新索引index_调整原DataFrame：原索引中存在的日期会保留原来的数值（比如2018-02-05、11、12这几天还是77），不存在的日期则用fill_value指定的0来填充。
• 整个过程一步到位，不需要额外的merge或concat操作，代码更简洁，性能也更优。

如果你的原始DataFrame索引已经是datetime类型，那转换索引的步骤可以直接省略，直接调用reindex就好啦。

内容的提问来源于stack exchange，提问作者clog14