Return 聚合组中所有唯一的

Question

问题就出在这里。

假设我们有一个 pandas df，可以使用以下方法生成：

month=['dec','dec','dec','jan','feb','feb','mar','mar']
category =['a','a','b','b','a','b','b','b']
sales=[1,10,2,5,12,4,3,1]

df = pd.DataFrame(list(zip(month,category,sales)), 
                   columns =['month', 'cat','sales']) 

print(df)

| month cat  sales   |
|--------------------|
| 0   dec   a      1 |
| 1   dec   a     10 |
| 2   dec   b      2 |
| 3   jan   b      5 |
| 4   feb   a     12 |
| 5   feb   b      4 |
| 6   mar   b      3 |
| 7   mar   b      1 |

那么假设我们想要按月计算每个类别的数量。

所以我们去做类似

的事情

df=df.groupby(['month','cat']).sales.sum().reset_index()
print(df)
|  month cat  sales  |
|--------------------|
| 0   dec   a     11 |
| 1   dec   b      2 |
| 2   feb   a     12 |
| 3   feb   b      4 |
| 4   jan   b      5 |
| 5   mar   b      4 |

但我们希望看到的是：

|  month cat  sales  |
|--------------------|
| 0   dec   a     11 |
| 1   dec   b      2 |
| 2   feb   a     12 |
| 3   feb   b      4 |
| 4   jan   b      5 |
| 5   jan   a      0 |
| 6   mar   b      4 |
| 7   mar   a      0 |

不同之处在于，在特定月份未出现的类别仍然会以零作为总数出现。

很可能以前有人问过这个问题，但我没找到。如果您指出问题的方向，我们将继续删除这个问题。

Answer 1

将MultiIndex with reindex用作：

df=(
    df.groupby(['month','cat']).sales.sum()
    .reindex(pd.MultiIndex.from_product([df.month.unique(), df.cat.unique()], 
                                   names=['month', 'cat']), fill_value=0)
    .reset_index()
)

print(df)
  month cat  sales
0   dec   a     11
1   dec   b      2
2   feb   a     12
3   feb   b      4
4   jan   a      0
5   jan   b      5
6   mar   a      0
7   mar   b      4

Answer 2

从您停止的地方继续，stack and unstack 的组合将为您提供所需的输出：

res = (
    df.groupby(['month', 'cat'])
    .sales.sum()
    .unstack(fill_value=0)  # Unstack and fill value for the null column
    .stack()  # Return to groupby form and reset
    .reset_index(name='sales')
)

res的输出：

>>> res

  month cat sales
0   dec a   11
1   dec b   2
2   feb a   12
3   feb b   4
4   jan a   0
5   jan b   5
6   mar a   0
7   mar b   4

您还可以使用分类并将 observed 设置为 False；这将确保所有可能的组合都出现在最终输出中。

(df.astype({'month' : 'category',
            'cat' : 'category'})
   .groupby(['month', 'cat'], 
             as_index = False, 
             observed = False)
   .sum(numeric_only = True)
)

  month cat  sales
0   dec   a     11
1   dec   b      2
2   feb   a     12
3   feb   b      4
4   jan   a      0
5   jan   b      5
6   mar   a      0
7   mar   b      4

Answer 3

没有 groupby 但有 pivot_table 和 stack 的另一种方式：

df_ = df.pivot_table(index='month',columns='cat', 
                     values='sales', aggfunc=sum, fill_value=0)\
        .stack().reset_index()
print (df_)
  month cat   0
0   dec   a  11
1   dec   b   2
2   feb   a  12
3   feb   b   4
4   jan   a   0
5   jan   b   5
6   mar   a   0
7   mar   b   4

Return 聚合组中所有唯一的

Return aggregate for all unique in a group

python

aggregation

pandas

pandas-groupby