python - 向行添加条目以使其统一

Question

我有一个包含日期、repair_id、现场维修次数和非现场维修次数的 csv 文件，因此我的数据如下所示:

data        repair_id    num_onsite     num_offsite
2016-02-01          A             3              0
2016-02-01          B             2              1
2016-02-01          D             0              4
2016-02-02          A             1              3
2016-02-02          C             1              1
2016-02-02          E             0              6
...
2016-02-14          A             1              3
2016-02-14          B             0              4
2016-02-14          D             2              0
2016-02-14          E             3              0

有5个不同的repair_id，分别是:A, B, C, D, E。如果维修人员 (repair_id) 在给定日期没有工作，那么他们不在该日期的 csv 文件中。我想通过包含它们并具有 0 值来更改它对于 num_onsite 和 num_offsite 这样我的表将类似于:

data        repair_id    num_onsite     num_offsite
2016-02-01          A             3              0
2016-02-01          B             2              1
2016-02-01          C             0              0 # added
2016-02-01          D             0              4
2016-02-01          E             0              0 # added
2016-02-02          A             1              3
2016-02-02          B             0              0 # added
2016-02-02          C             1              1
2016-02-02          D             0              0 # added
2016-02-02          E             0              6
...
2016-02-14          A             1              3
2016-02-14          B             0              4
2016-02-14          C             0              0 # added
2016-02-14          D             2              0
2016-02-14          E             3              0

我看过:

Pandas DataFrame insert / fill missing rows from previous dates

Missing data, insert rows in Pandas and fill with NAN

Add missing dates to pandas dataframe

但我无法让它正确输出

Answer 1

df.set_index(["data","repair_id"]).unstack(fill_value=0).stack().reset_index()      



        data repair_id  num_onsite  num_offsite
0 2016-02-01         A         3.0          0.0
1 2016-02-01         B         2.0          1.0
2 2016-02-01         C         0.0          0.0
3 2016-02-01         D         0.0          4.0
4 2016-02-01         E         0.0          0.0
5 2016-02-02         A         1.0          3.0
6 2016-02-02         B         0.0          0.0
7 2016-02-02         C         1.0          1.0
8 2016-02-02         D         0.0          0.0
9 2016-02-02         E         0.0          6.0