Python 熊猫中按组填充缺失日期的有效方法？

所以，我有一个像这样的数据帧：

   date       ID   value
2018-01-01    A     10
2018-02-01    A     11
2018-04-01    A     13
2017-08-01    B     20
2017-10-01    B     21
2017-11-01    B     23

每一组都有非常不同的日期，大约有40万组。所以，我想做的是以一种有效的方式填充每个组缺失的日期，所以看起来是这样的：

   date       ID   value
2018-01-01    A     10
2018-02-01    A     11
2018-03-01    A     nan
2018-04-01    A     13
2017-08-01    B     20
2017-09-01    B     nan
2017-10-01    B     21
2017-11-01    B     23

我尝试了两种方法：

df2 = df.groupby('ID').apply(lambda x: x.set_index('date').resample('D').pad())

而且：

df2= df.set_index(['date','ID']).unstack().stack(dropna=False).reset_index()
df2= df2.sort_values(by=['ID','date']).reset_index(drop=True)
df2=  df2[df2.groupby('ID').value.ffill().notna()]
df2 = df2[df2.groupby('ID').value.bfill().notna()]

第一个，因为它使用了

apply

，所以速度非常慢。我想我可以用别的东西代替

pad

，所以我得到了

nan

，而不是前面的值，但我不确定这是否会对性能产生足够的影响。我等了大约15分钟，它还没跑完

---

对于每个组，第二个数据帧从整个数据帧中的第一个日期填充到最后一个日期，这将带来一个巨大的数据帧。之后，我将删除此方法生成的所有前导和尾随

nan

。这比第一个选项快得多，但似乎不是最好的选项。有没有更好的方法来做到这一点，这对大数据帧更有利？

？在与团队合作时，这是行不通的。当您在每个团队中有不同的2017年和2018年时，您想要什么？组中缺少日期？可能重复