重新索引以在多索引数据框中插入缺失的行

Question

我有一个具有三个索引级别的 MultiIndexed DataFrame。我想扩展我的第三级以包含给定范围内的所有值，但仅适用于两个较高级别中的现有值。 例如，假设第一级是名称，第二级是日期，第三级是小时。我希望所有 24 小时都有行（即使当前缺少一些），但仅限于已经存在的名称和日期。新行中的值可以用零填充。

所以一个简单的示例输入是：

>>> import pandas as pd
>>> df = pd.DataFrame([[1,1,1,3],[2,2,1,4], [3,3,2,5]], columns=['A', 'B', 'C','val'])
>>> df.set_index(['A', 'B', 'C'], inplace=True)
>>> df
       val
A B C     
1 1 1    3
2 2 1    4
3 3 2    5

如果 C 的所需值为 [1,2,3]，则所需输出为：

       val
A B C     
1 1 1    3
    2    0
    3    0
2 2 1    4
    2    0
    3    0
3 3 1    0
    2    5
    3    0

我知道如何使用 groupby 并为每个组应用定义的函数来实现这一点，但我想知道是否有一种更简洁的方法来使用 reindex 来做到这一点（我不能让这个 one 用于 MultiIndex 案例，但也许我错过了什么）

Answer 1

使用 -

partial_indices = [ i[0:2] for i in df.index.values ]
C_reqd = [1, 2, 3]
final_indices = [j+(i,) for j in partial_indices for i in C_reqd]
index = pd.MultiIndex.from_tuples(final_indices, names=['A', 'B', 'C'])
df2 = pd.DataFrame(pd.Series(0, index), columns=['val'])
df2.update(df)

输出

df2
       val
A B C
1 1 1  3.0
    2  0.0
    3  0.0
2 2 1  4.0
    2  0.0
    3  0.0
3 3 1  0.0
    2  5.0
    3  0.0