本文介绍了PANDA VALUE_COUNTS包含GROUP BY之前的所有值的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着跟版网的小编来一起学习吧！
问题描述
假设我有以下数据帧：
df = pd.DataFrame([['a',1, -1], ['a', 1, -1], ['b', 0, -1], ['c', -1, -1]] ,columns = ['col1', 'col2', 'col3'])
df
col1 col2 col3
0 a 1 -1
1 a 1 -1
2 b 0 -1
3 c -1 -1
col1列中的值出现的次数。
groupby_df = df.groupby('col1')
for a,b in groupby_df:
print("{0} ->
{1}".format(a, b['col1'].value_counts().sort_index()))
我得到：
a ->
a 2
Name: col1, dtype: int64
b ->
b 1
Name: col1, dtype: int64
c ->
c 1
Name: col1, dtype: int64
但是我想单独统计出现的次数，并且仍然包括所有列值，如下所示：
a ->
a 2
b 0
c 0
Name: col1, dtype: int64
b ->
a 0
b 1
c 0
Name: col1, dtype: int64
c ->
a 0
b 0
c 1
Name: col1, dtype: int64
如有任何帮助，我们将不胜感激！
推荐答案
尝试使用.reindex()：
import pandas as pd
df = pd.DataFrame([['a',1, -1], ['a', 1, -1], ['b', 0, -1], ['c', -1, -1]] ,columns = ['col1', 'col2', 'col3'])
# Create index using unique values of col1.
uniques = pd.Index(df['col1'].unique())
# Group.
groupby_df = df.groupby('col1')
# Use reindex to assign and autoamtically align the value counts with the index.
for a, b in groupby_df:
print(b['col1'].value_counts().sort_index().reindex(uniques, fill_value = 0))
给予：
a 2
b 0
c 0
Name: col1, dtype: int64
a 0
b 1
c 0
Name: col1, dtype: int64
a 0
b 0
c 1
Name: col1, dtype: int64
这篇关于PANDA VALUE_COUNTS包含GROUP BY之前的所有值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持跟版网！
本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益，请联系我们，我们会在确认后第一时间进行删除！