Skip to main content
 首页 » 编程设计

python之在多索引 Groupby 对象中填充 Nan 值

2025年01月19日9hnrainll

我正在尝试创建一个多索引 groupby 对象,该对象采用电子邮件域并按月查找百分比变化。当给定月份没有观察时,我遇到了问题。

原始数据框

tracking_df = tracking_df[['transaction_mm_yy', 'ST_Email_Domain', 'isFraud', 'order_number']] 

我创建了一个数据透视表,结果如下:

tracking_df.pivot_table(index=['transaction_mm_yy', 'ST_Email_Domain'],  
`columns='isFraud', values='order_number', aggfunc='count')` 
 
                   isFraud              1 
transaction_mm_yy  ST_Email_Domain 
2017-10            GMAIL.COM           31.0 
                   HOTMAIL.COM          2.0 
                   TSF.COM              9.0 
                   MAIL.COM             3.0 
                   OUTLOOK.COM        214.0 
                   YAHOO.COM           20.0 
2017-11            AOL.COM              3.0 
                   GMAIL.COM           14.0 
                   HOTMAIL.COM          9.0 
                   TSF.COM              5.0 
                   MAIL.COM             9.0 
                   OUTLOOK.COM         14.0 
                   YAHOO.COM           62.0 
2017-12            AOL.COM             21.0 
                   GMAIL.COM          101.0 
                   HOTMAIL.COM         13.0 
                   TSF.COM              8.0 
                   MAIL.COM            11.0 
                   OUTLOOK.COM         14.0 
                   YAHOO.COM           41.0 
2018-01            AOL.COM              7.0 
                   GMAIL.COM           88.0 
                   HOTMAIL.COM          8.0 
                   TSF.COM             21.0 
                   MAIL.COM             2.0 
                   OUTLOOK.COM          8.0 
                   YAHOO.COM           13.0 

如下所示,AOL.COM 显示了除 2017-10 年以外的每个月的观察结果。我希望 AOL.COM 显示具有 NaN 计数或零计数的观察结果。

尝试

在 documentation 之后,我尝试通过定义日期范围然后重新创建索引来使用 reindex。

date_index2 = pd.date_range(start_date_range, periods=4, freq='m') 
date_index2.strftime('%Y-%m').tolist() 
 
tracking_df.reindex(date_index2, fill_value=0) 

但是,我得到一个错误:

ValueError: cannot include dtype 'M' in a buffer 

我猜的

请您参考如下方法:

有办法

s.unstack().stack(dropna=False).fillna(0) 
Out[774]:  
transaction_mm_yy  ST_Email_Domain 
2017-10            AOL.COM              0.0 
                   GMAIL.COM           31.0 
                   HOTMAIL.COM          2.0 
                   MAIL.COM             3.0 
                   OUTLOOK.COM        214.0 
                   TSF.COM              9.0 
                   YAHOO.COM           20.0 
2017-11            AOL.COM              3.0 
                   GMAIL.COM           14.0 
                   HOTMAIL.COM          9.0 
                   MAIL.COM             9.0 
                   OUTLOOK.COM         14.0 
                   TSF.COM              5.0 
                   YAHOO.COM           62.0 
dtype: float64 

另一种方法是在开头使用类别数据

tracking_df.ST_Email_Domain=tracking_df.ST_Email_Domain.astype('category') 
 
tracking_df.pivot_table(index=['transaction_mm_yy', 'ST_Email_Domain'],  
`columns='isFraud', values='order_number', aggfunc='count')