Python 熊猫在重采样和取消堆叠后添加列

我有一个包含

列的数据帧。
axes
列始终具有以下值之一：
[3,4,5,6,7,8]
。我运行一个过滤器，然后更改索引，然后分组，然后重新采样，最后取消数据帧的堆栈，如下面的代码所示

resamp = df[(df.GVW > 100) & (df.AXLES.isin([3,4,5,6,7,8]))].set_index('TIMESTAMP').groupby('AXLES').resample('M', how='count').CLASS
dfTemp = resamp.unstack(0)
dfTemp.index = [ts.strftime('%b 20%y') for ts in dfTemp.index]

这给了我以下数据帧，这是确定的

AXLES         4   5   6   7  8
Jul 2016    191 1582 212 183 6

然而，问题是：由于我应用了
dfWIM.GVW>100
过滤，所有轴
为3的行都被过滤掉。如何在最终的数据帧中保持此删除的列？我试图按如下方式获取最终数据帧（缺少“3”列，数据帧中添加了“0”值）：

如果在所有筛选之后无法保留删除的列，如何将值为0的
[3,4,5,6,7,8]
列（如果缺少）添加到最终数据帧

非常感谢
 这只是对问题最后一部分的回答，不是完整的回答：

pythonical查找缺少的列：

missing = list(set([3,4,5,6,7,8]) - set(df.columns.tolist()))

选项1（python）：

备选案文2（熊猫）：

如果没有看到原始的数据帧，回答起来有点困难，但是如果你过滤掉任何值，我必须使用过滤后的数据准备月度条形图。如果其中一列在某些月份被删除，这会打乱我的绘图功能，我必须确保数据帧大小保持不变。我认为一旦所有的过滤都完成了，我就必须用缺失的列重新填充dataframe。下面的答案是否有帮助？
missing = list(set([3,4,5,6,7,8]) - set(df.columns.tolist()))

for x in missing: df[x] = 0

df = df.append(pd.DataFrame(columns = [missing])).fillna(0)