我已经使用 df = df.fillna(0) 从 df 中删除了所有 NaN。
在我使用
创建数据透视表之后pd.pivot_table(df, index='Source', columns='Customer Location', values='Total billed £')
我仍然会再次获得NaN 数据作为输出。
有人可以解释一下为什么以及如何防止这种输出以及为什么会发生这种情况吗？
【问题讨论】：
标签： python pandas dataframe pivot-table
由于您的输入数据，它会将一列转换为索引，并将另一列的值转换为列。这些的交集是聚合值。
但如果输入数据中不存在某些组合，则会导致数据丢失（NaN）。
df = pd.DataFrame({
'Source':list('abcdef'),
'Total billed £':[5,3,6,9,2,4],
'Customer Location':list('adfbbb')
})
print (df)
Source Total billed £ Customer Location
0 a 5 a
1 b 3 d
2 c 6 f
3 d 9 b
4 e 2 b
5 f 4 b
#e.g because `Source=a` and `Customer Location=b` not exist in source then NaN in output
print (pd.pivot_table(df,index='Source', columns='Customer Location',values='Total billed £'))
Customer Location a b d f
Source
a 5.0 NaN NaN NaN
b NaN NaN 3.0 NaN
c NaN NaN NaN 6.0
d NaN 9.0 NaN NaN
e NaN 2.0 NaN NaN
f NaN 4.0 NaN NaN
此外，here's 对reshaping data 进行了很好的阅读。
【讨论】：
原因很简单，您的数据中缺少一对（索引，列）值，例如：
df = pd.DataFrame({"Source": ["foo", "bar", "bar", "bar"],
"Customer Location": ["one", "one", "two", "two", ],
"Total billed £": [10, 20, 30, 40]})
print(df)
设置
Source Customer Location Total billed £
0 foo one 10
1 bar one 20
2 bar two 30
3 bar two 40
如您所见，您的数据中没有 ('foo', 'two') 对，所以当您这样做时：
result = pd.pivot_table(df, index='Source', columns='Customer Location', values='Total billed £')
print(result)
输出
Customer Location one two
Source
bar 20.0 35.0
foo 10.0 NaN
要解决此问题，请使用 fill_value 参数提供默认值：
result = pd.pivot_table(df, index='Source', columns='Customer Location', values='Total billed £', fill_value=0)
输出
Customer Location one two
Source
bar 20 35
foo 10 0
【讨论】：