python - 填充 pandas 数据框中缺失的数据

Question

我有一个带有两个索引的 Pandas 数据框

                              Column1
indexA   indexB                        
1001     aaa                        1
         bbb                        1
         ccc                        1
1002     ddd                        1
         eee                        1

并且希望 indexB 对于 indexA 的每个值具有相同的值:

                              Column1
indexA   indexB                        
1001     aaa                        1
         bbb                        1
         ccc                        1
         ddd                        0
         eee                        0
1002     aaa                        0
         bbb                        0
         ccc                        0
         ddd                        1
         eee                        1

我的第一个想法是取消堆叠，用 0 填充然后堆叠它，但这似乎有点矫枉过正。有没有更简单的方法？

编辑:亚历山大的下面的答案有效，尽管需要很长时间(我的原始数据框有 350k 行)。我稍微改变了这个解决方案:

df =  pd.read_sql(sql=sql, con=db_eng, index_col=index)
idx = pd.MultiIndex.from_product([df.index.levels[0], df.index.levels[1]], names=df.index.names)
df.reindex(idx).fillna(value=0)

发布此后还发现了这两个问题:

• Insert 0-values for missing dates within MultiIndex
• How to fill the missing record of Pandas dataframe in pythonic way?

Answer 1

可能有更好的方法来做到这一点。我使用 pd.MultiIndex.from_product 创建了一个新的 MultiIndex。然后，我创建了一个带有虚拟值的新数据框，加入了现有的 dtaframe，并删除了虚拟列。

df = pd.DataFrame({'index_0': ['a', 'a', 'b', 'b', 'b'], 
                   'index_1': ['A', 'B', 'A', 'B', 'C'], 
                   'vals': [1, 2, 3, 4, 5]}).set_index(['index_0', 'index_1'])

>>> df 
                 vals
index_0 index_1      
a       A           1
        B           2
b       A           3
        B           4
        C           5

idx = pd.MultiIndex.from_product([df.index.levels[0], df.index.levels[1]], 
                                 names=df.index.names)
new_df = pd.DataFrame({'_dummy_': [1] * len(idx)}, index=idx).join(df)
del new_df['_dummy_']

>>> new_df
                 vals
index_0 index_1      
a       A           1
        B           2
        C         NaN
b       A           3
        B           4
        C           5