基于可能值的自定义列表的 Groupby pandas 数据框

Question

我想对两列中的值进行分组。我知道列中所有可能的值。在某些数据示例中，列 a 中的某些值不存在。我仍然希望 groupby 的输出说组的 len 为零。

          s      a  
0  Michaels     FS
1  Michaels     FS
2  Michaels    fds
3  Michaels   fnfe
4  Rogers       FS
5  Rogers      fds
6  Rogers      fds
7  Rogers      ssn

我想对 s 和 a 进行分组。

df.groupby(by=["s", "a"]).size()

如果您查看数据样本，Michaels 和 Rogers 都不存在 fnfe 和 ssn。所以 Michaels-ssn 和 Rogers-fnfe 不会有输出。

我找到了解决这个问题的方法：

df.groupby(by=["s", "a"]).size().unstack().fillna(0).stack()

但后来我发现有可能会有几个 a 的值不在这两个组中，但我仍然在输出中将它们的值设置为零。 s列没有这样的要求。

假设“a”列“adg”有另一个值，该值在任何示例中都不存在。期望的输出是：

s         a   
Michaels  FS      2
          fds     1
          fnfe    1
          ssn     0
          adg     0
Rogers    FS      1
          fds     2
          ssn     1
          fnfe    0
          adg     0

Answer 1

与Series.reindex 和MultiIndex.from_product 一起使用，并将值添加到具有唯一值的列表中：

out = df.groupby(by=["s", "a"]).size()

s = df['s'].unique()
a = df['a'].unique().tolist() + ['adg']

out = out.reindex(pd.MultiIndex.from_product([s, a], names=['s','a']), fill_value=0)

print (out)
s         a   
Michaels  FS      2
          fds     1
          fnfe    1
          ssn     0
          adg     0
Rogers    FS      1
          fds     2
          fnfe    0
          ssn     1
          adg     0
dtype: int64

您的解决方案：

a = df['a'].unique().tolist() + ['adg']

out = (df.groupby(by=["s", "a"]).size()
         .unstack(fill_value=0)
         .reindex(a, fill_value=0, axis=1)
         .stack())

print (out)
s         a   
Michaels  FS      2
          fds     1
          fnfe    1
          ssn     0
          adg     0
Rogers    FS      1
          fds     2
          fnfe    0
          ssn     1
          adg     0
dtype: int64

另一个想法是使用Categorical:

df['a'] = pd.Categorical(df['a'], categories=df['a'].unique().tolist() + ['adg'])

out = df.groupby(by=["s", "a"]).size()
print (out)
s         a   
Michaels  FS      2
          fds     1
          fnfe    1
          ssn     0
          adg     0
Rogers    FS      1
          fds     2
          fnfe    0
          ssn     1
          adg     0
dtype: int64