Pandas：分类列和每个类别的行插入

Question

我似乎无法实现插入缺失值的行，同时将一列作为分类。

假设以下数据框 df，其中 B 列是分类的，类别应按“d”、“b”、“c”、“a”的顺序出现。

df= pd.DataFrame({'A':['i', 'i', 'i', 'j', 'k'], \
                  'B':pd.Categorical(['d', 'c', 'b','b', 'a'], \
                                     categories= ['d', 'b', 'c', 'a'], \
                                     ordered=True), \
                  'C':[1, 0, 3 ,2, np.nan]})

我需要将df转换成如下格式：

   A  B    C
 0  i  d  1.0
 1  i  b  0.0
 2  i  c  3.0
 3  i  a  NaN
 4  j  d  NaN
 5  j  b  2.0
 6  j  c  NaN
 7  j  a  NaN
 8  k  d  NaN
 9  k  b  NaN
10  k  c  NaN
11  k  a  NaN

提前谢谢你！

Answer 1

您可以将数据框索引设置为列B，这样我们以后可以使用reindex 来填充每个组缺失的分类值。使用groupby 列A 并选择C 列，然后如前所述应用reindex 函数，现在使用所需的类别序列。然后，使用reset_index 将索引（A 和B）插入数据框列。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':['i', 'i', 'i', 'j', 'k'], \
                  'B':pd.Categorical(['d', 'c', 'b','b', 'a'], \
                                     categories= ['d', 'b', 'c', 'a'], \
                                     ordered=True), \
                  'C':[1, 0, 3 ,2, np.nan]})
print(df)

df = df.set_index('B')
df = df.groupby('A')['C']\
        .apply(lambda x: x.reindex(['d', 'b', 'c', 'a']))\
        .reset_index()

df.B = pd.Categorical(df.B)
print(df)

df的输出

    A  B    C
0   i  d  1.0
1   i  b  3.0
2   i  c  0.0
3   i  a  NaN
4   j  d  NaN
5   j  b  2.0
6   j  c  NaN
7   j  a  NaN
8   k  d  NaN
9   k  b  NaN
10  k  c  NaN
11  k  a  NaN