我有一个数据框，可以通过以下方式生成：
import pandas as pd
data = [['tom',10,'20190202',5],['nick',15,7],['juli',16,'20190203',8],['tom',17,'20190204',6],9],'20190207',3]]
df = pd.DataFrame(data,columns = ['Employee','ID','Date','Value'])
数据框如下所示：
我需要这样的输出：
需要根据以下假设生成新的数据框： 对于所有“雇员”和“ ID”，都将找到最大日期，并将“雇员”和“ ID”的前一个最后一个条目的数据重复复制，直到达到最大日期为止。
首先由DataFrame.set_index创建DatetimeIndex，然后在GroupBy.apply中使用自定义lambda函数，其中每个组的最小日期时间的DataFrame.reindex和组Date的最大日期时间都向前填写缺失值：
#convert to datetimes if necessary
df['Date'] = pd.to_datetime(df['Date'])
df = (df.set_index('Date')
.groupby(['Employee','ID'],sort=False)['Value']
.apply(lambda x: x.reindex(pd.date_range(x.index.min(),df['Date'].max(),name='Date'),method='ffill'))
.reset_index())
print (df)
Employee ID Date Value
0 tom 10 2019-02-02 5
1 tom 10 2019-02-03 5
2 tom 10 2019-02-04 9
3 tom 10 2019-02-05 9
4 tom 10 2019-02-06 9
5 tom 10 2019-02-07 9
6 nick 15 2019-02-02 7
7 nick 15 2019-02-03 7
8 nick 15 2019-02-04 7
9 nick 15 2019-02-05 7
10 nick 15 2019-02-06 7
11 nick 15 2019-02-07 3
12 juli 14 2019-02-03 8
13 juli 14 2019-02-04 8
14 juli 14 2019-02-05 8
15 juli 14 2019-02-06 8
16 juli 14 2019-02-07 8
17 tom 14 2019-02-04 6
18 tom 14 2019-02-05 6
19 tom 14 2019-02-06 6
20 tom 14 2019-02-07 6
@jezrel答案效果很好。但只是为了让观众也有多种选择来添加我的选项，这也是
df['Date']=pd.to_datetime(df['Date'])
def expand_dates(ser):
return pd.DataFrame({'Date': pd.date_range(ser['Date'].min(),freq='D')})
newdf = df.groupby(['Employee','ID']).apply(expand_dates).reset_index()\
.merge(df,how='left')[['Employee','ID','Date','Value']].ffill()