Python 多索引的重采样

我想按类型对数据集进行每日细分。没有每种类型每天的记录，如果没有，我想NaN

我可以得到一个“每日重新采样”的结果，但类型是ommitted

下面的代码应该是一个完整的工作示例（好吧，除了最后的已知错误之外工作！）：

我要查找的输出是每天的一行/键入组合：

日期 类型 价值 20210101 A. 1. 20210102 A. 楠 20210103 A. 2. 20210101 B 楠 20210102 B 3. 20210103 B 楠

---

如果可能需要按组重新采样，请使用“按天重新采样”，然后将“添加缺少的值”用于：

如果只需要为每个组追加缺少的日期时间：

---

好极了使用第一个示例，为了“展平”它，我只需在末尾添加.reset_index（）。正确吗？@GinjaNinja-我找到了更好的解决方案，所以删除了第一个旧的。@GinjaNinja-如果想使用

df.set\u index（'Date'，inplace=True）

pd.Grouper中的

remove
key='Date'
，我删除了我的评论，说有一个异常，因为我意识到我需要删除set\u index。谢谢你明确的帮助
import pandas as pd
import datetime as dt

df = pd.DataFrame({
    'Date': [dt.datetime(2021,1,1), dt.datetime(2021, 1, 3), dt.datetime(2020,1,2)],
    'Type': ['A', 'A', 'B'],
    'Value': [1,2,3]
})

df.set_index('Date', inplace=True)
#   this loses the 'type'
print(df.resample('1D').mean())

df = df.reset_index().set_index(['Date', 'Type'])

#   this raises an exception "TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'MultiIndex'"
print(df.resample('1D').mean())

df = (df.groupby(['Type', pd.Grouper(freq='1D', key='Date')])['Value']
        .mean()
        .unstack()
        .stack(dropna=False)
        .reset_index(name='Value')
      
      )
print (df)  
  Type       Date  Value
0    A 2021-01-01    1.0
1    A 2021-01-02    NaN
2    A 2021-01-03    2.0
3    B 2021-01-01    NaN
4    B 2021-01-02    3.0
5    B 2021-01-03    NaN

mux = pd.MultiIndex.from_product([df['Type'].unique(),
                                  pd.date_range(df['Date'].min(), df['Date'].max())], 
                                  names=['Date','Type'])
df = df.set_index(['Type','Date']).reindex(mux).reset_index()
print (df)                
  Date       Type  Value
0    A 2021-01-01    1.0
1    A 2021-01-02    NaN
2    A 2021-01-03    2.0
3    B 2021-01-01    NaN
4    B 2021-01-02    3.0
5    B 2021-01-03    NaN