Расширьте фрейм данных панд, чтобы включить «пропущенные» недели

У меня есть фрейм данных pandas, который содержит данные временных рядов, поэтому индекс фрейма имеет тип datetime64 с недельными интервалами, каждая дата происходит в понедельник каждой календарной недели.

В кадре данных есть только записи, когда был записан заказ, поэтому, если не было заказа, в кадре данных нет соответствующей записи. Я хотел бы "заполнить" эту фреймворк так, чтобы любые недели в определенном диапазоне дат были включены в dataframe и вводится соответствующее нулевое количество.

Мне удалось получить эту работу, создав фиктивный фреймворк данных, который включает запись для каждой недели, которую я хочу с нулевым количеством, а затем слияние этих двух фреймов данных и удаление столбца фиктивного столбца данных. Это приводит к 3-му заполненному файловому кадру.

Я не чувствую, что это отличное решение проблемы, а новое для панд хотело узнать, есть ли более конкретный и или путинский способ достичь этого, возможно, без необходимости создания фиктивного фрейма данных и затем слияния.

Код, который я использовал ниже, чтобы получить мое текущее решение:

# Create the dummy product
# Week hold the week date of the order, want to set this as index later
group_by_product_name = df_all_products.groupby(['Week', 'Product Name'])['Qty'].sum()
first_date = group_by_product_name.head(1) # First date in entire dataset
last_date = group_by_product_name.tail().index[-1] # last date in the data set
bdates = pd.bdate_range(start=first_date, end=last_date, freq='W-MON')
qty = np.zeros(bdates.shape)
dummy_product = {'Week':bdates, 'DummyQty':qty}
df_dummy_product = pd.DataFrame(dummy_product)
df_dummy_product.set_index('Week', inplace=True)


group_by_product_name = df_all_products.groupby('Week')['Qty'].sum()
df_temp = pd.concat([df_dummy_product, group_by_product_name], axis=1, join='outer')
df_temp.fillna(0, inplace=True)
df_temp.drop(columns=['DummyQty'], axis=1, inplace=True)

Проблема с этим подходом иногда (я не знаю, почему) индексы не соответствуют правильно, я думаю, что как-то dtype индекса на одном из dataframes теряет свой тип и переходит к объекту вместо того, чтобы оставаться с dtype datetime64. Поэтому я уверен, что есть лучший способ решить эту проблему, чем мое текущее решение.

РЕДАКТИРОВАТЬ

Вот примерный кадр данных с "отсутствующими записями"

df1 = pd.DataFrame({'Week':['2018-05-28', '2018-06-04',
   '2018-06-11', '2018-06-25'], 'Qty':[100, 200, 300, 500]})
df1.set_index('Week', inplace=True)
df1.head()

Ниже приведен пример заполненного фрейма данных, который содержит дополнительные отсутствующие даты между диапазоном дат

 df_zero = pd.DataFrame({'Week':['2018-05-21', '2018-05-28', '2018-06-04',
   '2018-06-11', '2018-06-18', '2018-06-25', '2018-07-02'], 'Dummy Qty':[0, 0, 0, 0, 0, 0, 0]})
df_zero.set_index('Week', inplace=True)
df_zero.head()

И это намеченный результат после конкатенации двух информационных кадров

df_padded = pd.concat([df_zero, df1], axis=1, join='outer')
df_padded.fillna(0, inplace=True)
df_padded.drop(columns=['Dummy Qty'], inplace=True)
df_padded.head(6)

Обратите внимание, что отсутствующие записи добавляются до и между другими записями, где это необходимо в окончательном кадре данных.

Изменить 2:

В соответствии с просьбой здесь приведен пример того, как будет выглядеть исходный файл данных:

df_all_products = pd.DataFrame({'Week':['2018-05-21', '2018-05-28', '2018-05-21', '2018-06-11', '2018-06-18',
   '2018-06-25', '2018-07-02'], 
                            'Product Name':['A', 'A', 'B', 'A', 'B', 'A', 'A'], 
                            'Qty':[100, 200, 300, 400, 500, 600, 700]})