填充 DataFrame MultiIndex 级别 1 中的空白，每个级别 0 不同答案

【问题标题】：Fill gaps in DataFrame MultiIndex level 1, differently for each level 0填充 DataFrame MultiIndex 级别 1 中的空白，每个级别 0 不同
【发布时间】：2018-08-14 20:22:48
【问题描述】：

我有一个 MultiIndex 数据帧，其 1 级的日期值不准确，如下所示：

np.random.seed(456)
j = [(a, b) for a in ['A','B','C'] for b in random.sample(pd.date_range('2018-01-01', periods=100, freq='D').tolist(), 5)]
j.sort()
i = pd.MultiIndex.from_tuples(j, names=['Name','Date'])
df = pd.DataFrame(np.random.random_integers(0,100,15), i, columns=['Vals'])
# print(df):
                 Vals
Name Date            
A    2018-01-01    27
     2018-01-08    43
     2018-03-26    89
     2018-03-29    42
     2018-04-01    28
B    2018-01-02    79
     2018-01-26    60
     2018-02-18    45
     2018-03-11    37
     2018-03-23    92
C    2018-03-17    39
     2018-03-20    81
     2018-03-21    11
     2018-03-27    77
     2018-04-08    69

对于每个级别 0 的值，我想用最小和最大日期值之间的每个日历日期填写索引级别 1该级别 0。（This Q&A 解决了使用为所有级别 0 值设置的相同值填充级别 1 的情况。）

例如，对于subset = df.loc['A']，我想插入行以便subset.index.values == pd.date_range(subset.index.values.min(), subset.index.values.max()).values。即，生成的 DataFrame 如下所示：

                 Vals
Name Date            
A    2018-01-01    27
     2018-01-02   NaN
     2018-01-03   NaN
     2018-01-04   NaN
     2018-01-05   NaN
     2018-01-06   NaN
     2018-01-07   NaN
     2018-01-08    43
     2018-01-09   NaN
...

有没有一种熊猫方法可以做到这一点？

（我能想到的最好的办法是低效地迭代 append 新 DataFrames 为每个级别 0 值。或者类似地迭代构造索引值列表，然后 pandas.concat 它们与原始 DataFrame。）

【问题讨论】：

标签： python pandas dataframe multi-index

【解决方案1】：

你可以使用asfreq

df.groupby(level=0).apply(lambda x: x.reset_index(level=0, drop=True).asfreq("D"))

【讨论】：

这很聪明！
该死的……太棒了！这就是为什么每当我使用多行 python 来做某事时我都会担心；)
@feetwet 有时多行有利于阅读和速度:-)