Python在timeseries数据帧中填充零

我有一个日期列表和一个数据框。现在，dataframe有一个id列和其他值，这些值对于所有日期都不一致。我想在没有数据的ID和日期的所有列中填入零。让我举例说明：

    date     id     clicks    conv    rev
  2019-01-21 234      34        1     10
  2019-01-21 235      32        0     0
  2019-01-24 234      56        2     20
  2019-01-23 235      23        3     30

日期列表如下所示：

    [2019-01-01, 2019-01-02,2019-01-03 ....2019-02-28]

我想要的是为所有ID的数据框中所有缺失的日期添加零。因此，生成的df应该如下所示：

    date     id     clicks    conv    rev
  2019-01-01 234      0         0     0
  2019-01-01 235      0         0     0
     .                .         .     .
     .                .         .     .

  2019-01-21 234      34        1     10
  2019-01-21 235      32        0     0
  2019-01-22 234      0         0     0
  2019-01-22 235      0         0     0
  2019-01-23 234      0         0     0
  2019-01-23 235      0         0     0
  2019-01-24 234      56        2     20
  2019-01-23 235      23        3     30
      .               .         .      .
  2019-02-28  0       0         0      0

---

使用笛卡尔值积的

设置索引

+

重新索引

。在这里，我将使用

pd.date\u range

创建日期，以保存一些键入内容，并确保日期为

datetime

import pandas as pd

df['date'] = pd.to_datetime(df.date)
my_dates = pd.date_range('2019-01-01', '2019-02-28', freq='D')

idx = pd.MultiIndex.from_product([my_dates, df.id.unique()], names=['date', 'id'])
df = df.set_index(['date', 'id']).reindex(idx).fillna(0).reset_index()

输出：

df

---

异常：无法处理非唯一的多索引！我明白了error@Nofy然后，原始数据帧有多行，其中同一ID多次列出同一日期。这是预期的吗？如果是，您希望如何处理这些重复的行？是的，这是正确的。我处理好了，现在开始工作了。我刚刚收到这样的警告：SettingWithCopyWarning：试图在数据帧中的切片副本上设置一个值。尝试使用.loc[row\u indexer，col\u indexer]=valueinstead@Nofy是的，这可能与这个问题无关。如果执行了

.drop\u duplicates（）

操作，请在末尾添加

.copy（）

，因为删除重复项会返回一个视图。否则，您可以在执行此操作之前执行

df=df.copy（）

，以删除警告。关于这一警告，这篇文章非常有用：

          date     id  clicks  conv   rev
0   2019-01-01    234     0.0   0.0   0.0
1   2019-01-01    235     0.0   0.0   0.0
...
45  2019-01-23    235    23.0   3.0  30.0
46  2019-01-24    234    56.0   2.0  20.0
47  2019-01-24    235     0.0   0.0   0.0
...
115 2019-02-27    235     0.0   0.0   0.0
116 2019-02-28    234     0.0   0.0   0.0
117 2019-02-28    235     0.0   0.0   0.0