基于自定义可能值列表的Groupby数据帧

Question

我想在两列中按值分组。我知道列中所有可能的值。在某些数据示例中，a列中的某些值不存在。我仍然希望groupby的输出表示组的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

我想按s和a分组

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

如果您查看数据样本，则Michaels和Rogers的fnfe和ssn均不存在。因此，Michaels ssn和Rogers fnfe将没有输出

我找到了一个解决这个问题的方法：

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

但后来我发现有一种可能性，a的几个值都不在这两个组中，但我仍然将它们放在输出中，它们的值设置为零。s列没有此类要求

假设“a”列“adg”有另一个值，这在任何示例中都不存在。所需的输出将是：

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^{}一起使用与^{}一起使用，并向具有唯一值的列表中添加值：

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