Python 使用其他列表中的值在数据框中添加行

我有一个数据框：

df = pd.DataFrame(rows,columns=['proid','sku', 'qty'])

以及独特的SKU列表

skus = ["SKU1", "SKU2",  "SKU3"]

现在df可能不包含所有组合的行

proid

和

sku

，其中

sku

来自uniq列表

sku

e、 g:

我希望将行添加到数据框中，使所有

proid

sku

组合都具有默认的0值

结果:

#    proid  sku   qty
# 1  p1     SKU1   1
# 2  p1     SKU3   2
# 3  p2     SKU1   3
# 4  p1     SKU2   0
# 5  p2     SKU2   0
# 6  p2     SKU3   0

---

您可以使用

itertools.product

和

concat

设置 然后

海螺

---

您可以使用

itertools.product

和

concat

设置 然后

海螺

---

另一个行之有效的答案是：

from itertools import product

combs = pd.DataFrame(list(product(df[proid], df[sku])),
                 columns=["proid", "sku"])
result = df.merge(combs, how = 'right').fillna(0).drop_duplicates()

---

另一个行之有效的答案是：

from itertools import product

combs = pd.DataFrame(list(product(df[proid], df[sku])),
                 columns=["proid", "sku"])
result = df.merge(combs, how = 'right').fillna(0).drop_duplicates()

---

从所有可能索引的多索引创建数据帧

ind = pd.MultiIndex.from_product(
      [['p1', 'p2'], ['SKU1', 'SKU2' ,'SKU3']]
).to_frame().reset_index(drop=True).rename({0:'proid', 1: 'sku'}, axis=1)

左连接到原始数据帧

ind.merge(df, on=['proid', 'sku'], how='left').fillna(0)

产出：

  proid   sku  qty
0    p1  SKU1  1.0
1    p1  SKU2  0.0
2    p1  SKU3  2.0
3    p2  SKU1  3.0
4    p2  SKU2  0.0
5    p2  SKU3  0.0

或者，创建一个多索引&重新索引原始数据帧，用0填充空值

ind2 = pd.MultiIndex.from_product(names=['proid', 'sku'], 
    iterables=[['p1', 'p2'], ['SKU1', 'SKU2' ,'SKU3']])
df.set_index(['proid', 'sku']).reindex(ind2, fill_value=0).reset_index()

---

从所有可能索引的多索引创建数据帧

ind = pd.MultiIndex.from_product(
      [['p1', 'p2'], ['SKU1', 'SKU2' ,'SKU3']]
).to_frame().reset_index(drop=True).rename({0:'proid', 1: 'sku'}, axis=1)

左连接到原始数据帧

ind.merge(df, on=['proid', 'sku'], how='left').fillna(0)

产出：

  proid   sku  qty
0    p1  SKU1  1.0
1    p1  SKU2  0.0
2    p1  SKU3  2.0
3    p2  SKU1  3.0
4    p2  SKU2  0.0
5    p2  SKU3  0.0

或者，创建一个多索引&重新索引原始数据帧，用0填充空值

ind2 = pd.MultiIndex.from_product(names=['proid', 'sku'], 
    iterables=[['p1', 'p2'], ['SKU1', 'SKU2' ,'SKU3']])
df.set_index(['proid', 'sku']).reindex(ind2, fill_value=0).reset_index()