用三重索引填充数据框中的日期

Question

我知道已经提出了一个与此类似的问题，但是当您只有一个分类变量时，该解决方案有效。我有其中的两个，而且MultiIndexes对我来说一直很难与之合作。问题是，我有以下数据框：

 Date        Product    eCommerce   Sales

12-10-2018      A           1        10

12-12-2018      A           0        7

12-13-2018      A           1        4

12-15-2018      A           1        2

12-15-2018      A           0        2

12-11-2018      B           1        8

12-13-2018      B           1        6

所以我需要知道每个日期有和没有电子商务的销售额，并填写没有出现零销售额的日期。我想要的输出是：

 Date        Product    eCommerce   Sales

12-10-2018      A           1        10

12-11-2018      A           1        0

12-12-2018      A           1        0

12-13-2018      A           1        4

12-14-2018      A           1        0

12-15-2018      A           1        2

12-12-2018      A           0        7

12-13-2018      A           0        0

12-14-2018      A           0        0

12-15-2018      A           0        2

12-11-2018      B           1        8

12-12-2018      B           1        0

12-13-2018      B           1        6

注意：它只是一个 DataFrame，我只是添加了空格来区分索引。

因此，在原始数据帧中，产品 A 的电子商务销售缺少 12-11 和 12-14，产品 A 的非电子商务销售缺少 12-13 和 12-14，产品 B 的电子商务销售缺少 12-12

问题是，我设法通过一个非常低效的循环实现了我想要的，这个循环需要大约 25 分钟才能运行：

df_full= pd.DataFrame(columns=df.columns)

for sku in df['Product'].unique():

    aux=df.loc[df['Product']==sku]

    dates= pd.DataFrame(pd.date_range(start=aux.Date.min(), end=aux.Date.max(),freq='D'),columns=['Date'])

    df3 = df.loc[df['id_prod']==sku].merge(dates,

                                                   how='outer',left_on='Date',

                                                   right_on='Date').sort_values(by='Date')

    df3.fillna(method='ffill',inplace=True)

    df_full= df_full.append(df3)

我非常有信心我可以以矢量化的方式做到这一点，这应该花费更少的时间（我有 290 个可能日期的 2,300 个产品）。你知道我怎样才能做到这一点吗？

编辑：添加了粗体文本，更好地解释了问题