Python 用0填充缺少的日期（天）值

我有一个数据帧：

     day  Datavalue
    2020-06-01   3.179695
    2020-06-02   0.132487
    2020-06-08   3.179695
    2020-06-09   3.179695
    2020-06-10   3.179695

我想设置一个日期范围，并将任何不在数据框中的日期添加为0，例如：

     day  Datavalue
    2020-06-01   3.179695
    2020-06-02   0.132487
    2020-06-03   0
    2020-06-04   0
    2020-06-05   0
    2020-06-06   0
    2020-06-07   0
    2020-06-08   3.179695
    2020-06-09   3.179695
    2020-06-10   3.179695

我试过了

      mydates = pd.period_range(date - timedelta(40), date + timedelta(40)
      x = data.set_index('day') 
      x = data.reindex(mydates, fill_value=0)

但这只是将其全部设置为零

我做错了什么

---

谢谢

假设要对整个数据帧执行此操作，请使用asfreq：

---

类似这样的方法可能会奏效：

delta = 2 # number of days before first value and after last value (as it seems to be needed from your code)

mydates = pd.period_range(df.date.iloc[0] - timedelta(delta), df.date.iloc[-1] + timedelta(delta))

# Change PeriodIndex object to datetime type:
mydates = mydates.to_timestamp() 

# Create dates dataframe and merge with original df containing values
dates_df = pd.DataFrame(mydates, columns=['date'])
new_df= pd.merge(df, dates_df, on='date', how='outer').sort_values('date').fillna(0)

---

df.set_index'day'。重采样'1D'。这里求和有效吗？@datanovel好主意，但重采样组数据更适合下采样。asfreq是一种类似的方法，但速度更快，更适合此任务，感谢您的评论。感谢您为我指明了正确的方向，因为我还想在timeseries之前和之后几天扩展范围。我最终使用了新的_df=pd.mergedf，dates _df，on='day'，how='right'。fillna0，它似乎工作得很好，因为原始df中的数据是datatime对象，我也将dates _df中的日期转换为datetime对象。

delta = 2 # number of days before first value and after last value (as it seems to be needed from your code)

mydates = pd.period_range(df.date.iloc[0] - timedelta(delta), df.date.iloc[-1] + timedelta(delta))

# Change PeriodIndex object to datetime type:
mydates = mydates.to_timestamp() 

# Create dates dataframe and merge with original df containing values
dates_df = pd.DataFrame(mydates, columns=['date'])
new_df= pd.merge(df, dates_df, on='date', how='outer').sort_values('date').fillna(0)