Python 复制行以为基于日期的合并准备数据帧

我有一个包含数百万行项目/组的数据库，称为项目：

我需要准备要与一个名为forecast的df合并的项目，该df如下所示：

Item  Group  Month Forecast
0001  A      5     15
0001  A      6     16
0001  A      7     13
0002  A      5     60
0002  A      7     65

Item  Group  Month
0001  A      5
0001  A      6
0001  A      7
0002  A      5
0002  A      6
0002  A      7
...

我的合并将类似于： items.mergeforecast，on=['Item'，'Group'，'Month']

所以我的问题是准备项目，使其看起来像这样：

Item  Group  Month Forecast
0001  A      5     15
0001  A      6     16
0001  A      7     13
0002  A      5     60
0002  A      7     65

Item  Group  Month
0001  A      5
0001  A      6
0001  A      7
0002  A      5
0002  A      6
0002  A      7
...

因此，对于给定的一组月份，例如5、6、7，每个项目/组组合都有lenmonths行，无论是否有预测 预测中该项目/组/月份的数据

需要保留订单，例如，给定项目/行的三个月需要分组在一起，而不是仅附加到末尾的副本，并且项目需要保持有序

到目前为止，我一直在寻找堆栈作为一种可能的选择，但除了循环通过df，在我去的时候将第*2行附加到一个新的空df之外，我还没有得到任何工作，这看起来效率非常低

正确的方法是什么？

尝试外部合并

pd.merge(items, forecast, on=['Item', 'Group'], how='outer')

---

如果没有，请尝试此页面以获得更多灵感：

从以下数据框开始，在列项和组未设置为索引的情况下，我有以下内容：

   Item Group
0  0001     A
1  0002     A
2  0003     B
3  0004     A

items_mod = pd.DataFrame()
for i in [5, 6, 7]:
    items['Month'] = i
    items_mod = items_mod.append(items)
items_mod = items_mod.sort_values('Item')

这为我提供了以下数据帧：

   Item Group  Month
0  0001     A      5
0  0001     A      6
0  0001     A      7
1  0002     A      5
1  0002     A      6
1  0002     A      7
2  0003     B      5
2  0003     B      6
2  0003     B      7
3  0004     A      5
3  0004     A      6
3  0004     A      7

---

合并将包含哪些新信息？没有预测的项目/组/月份的NaN？@Charlie Yes。但是我简化了数据帧。items和forecast还有其他列，因此真正的目标是将forecast中的“forecast”信息带到items中，并为所有缺少的forecast创建NAN。此外，项目是预测的超集，因此直接在预测上执行op不会为所有项目创建它。这并不能解决在项目中创建包含所有可能项目/组/月组合的合理月份列的问题。这是这里的问题，而不是一旦合并完成后如何合并。如果我做得正确，应该在合并中添加月份……我认为。我更新了答案以删除“月”键。转到链接中的外部合并，看看这是否符合您的要求。这基本上就是我最终得到的结果。唯一的问题是，它没有保留项目的原始顺序，它们在实际DF中实际上没有排序顺序。为了解决这个问题，我只是将索引保留为一列，然后根据它进行排序。不知道为什么我认为它比这更复杂。这是我想象中的巧妙答案！我想我会坚持另一个，尽管它可能效率较低，但b/c更明确地说明发生了什么。@SeanKramer这当然是你的选择。。。希望这仍然有用：-当然有用！repeat和assign函数都是我以前没有遇到过的，我可能已经使用过很多次了。

forecast.merge(items_)

   Item Group  Month  Forecast
0     1     A      5        15
1     1     A      6        16
2     1     A      7        13
3     2     A      5        60
4     2     A      7        65