在按年和月分组的数据中为缺失月份创建行（多索引）答案

【问题标题】：Create rows for missing months in data grouped by year and month (multi index)在按年和月分组的数据中为缺失月份创建行（多索引）
【发布时间】：2019-11-11 18:59:14
【问题描述】：

我想根据风向限制获得平均每月总降水量。我按年和月对数据进行分组，但是为了风向限制，有些月份被排除在索引之外。但是，我需要将这些月份强制返回到索引中，以便能够重塑数据框（每年 12 个月）并绘制热图。例如，在 1995 年，多指数中缺少 12 月（第 12 个月）。 How to add it?

walney_day = walney_wff.set_index(['year', 'month', 'day']).sum(level=[0,1,2]).reset_index()

#identifying dry days:
walney_day['dry'] = np.where((walney_day['precp']==0), 1, 0).copy()

#grouping by month to get a monthly count of the dry days:
walney_month = walney_day.groupby([walney_day['year'], walney_day['month']]).sum()

【问题讨论】：

能否提供数据示例或样本，以便日后方便复制？
感谢您的评论！我只是编辑了我的问题并添加了一个截图来说明我的问题。

标签： python datetime pandas-groupby

【解决方案1】：

所以实际上我找到了解决问题的方法。它涉及以下步骤： 1）我没有使用 .groupby(year, month) 并获得多索引，而是使用 .set_index(['year', 'month']).sum(level=[0,1]).reset_index() 这样我的组索引不涉及日期时间变量。

2) 我从“年”和“月”列中创建了一个“日期”列，我曾经对我的日期进行分组，使用：pd.to_datetime(walney_month[['year', 'month']].assign (day=1)) ##注意：我需要指定一天（这里，每个月的值都与该月的第一天相关联）。

3) 我使用 'date' 列作为我的数据集的新索引，使用：.set_index('date')

4) 我使用以下方法获取日期范围内的完整月份列表：pd.date_range(df.index.min(), df.index.max(), freq='MS') ##Note: I对列表的所有每个元素使用“MS”作为范围内每个月的第一天。

5) 我使用从 4) 获得的日期列表重新索引我的数据框：.reindex()

这是我的代码：


walney_day = walney_wff.set_index(['year', 'month', 'day']).sum(level [0,1,2]).reset_index()

walney_day['dry'] = np.where((walney_day['precp']==0), 1, 0).copy()

walney_month = walney_day.set_index(['year', 'month']).sum(level=[0,1]).reset_index()

walney_month['date'] = pd.to_datetime(walney_month[['year', 'month']].assign(day=1))

walney_month = walney_month.set_index('date')

all_months = pd.date_range(walney_month.index.min(), walney_month.index.max(), freq='MS')

walney_month = walney_month.reindex(all_months)

output is here.

【讨论】：