使用 Pandas 按系列中的标签分组 Python 中的 Groupby

Question

可能是一个非常初学者的问题，但只是学习如何在 Python 中使用 Pandas。 我想使用 Pandas 执行 groupby，其中包括不在数据集中的组。 假设我有以下数据：

State           Year         Number
Alabama         2010         2
Texas           2013         1
Mississippi     2011         6
Florida         2010         4
Alabama         2012         1
Texas           2010         8
Mississippi     2019         5
Florida         2017         3

我想使用 groupby 按 state 然后按年份对数字求和，但我想包括所有 50 个州（所以在这个例子中我会有很多零）。

我可以只使用 dataframe 中包含的状态来做到这一点，没有问题：

grouped = df.groupby(['State', 'Year'])['Number'].sum()

但是，如果我尝试按一个系列进行分组，我将拥有所有 50 个 state 名称，如下所示：

states = ['Alabama', 'Alaska', 'Arizona', 'Arkansas', 'California', 'Colorado', 'Connecticut', 'Delaware', 'District of Columbia', 'Florida', 'Georgia', 'Hawaii', 'Idaho', 'Illinois', 'Indiana', 'Iowa', 'Kansas', 'Kentucky', 'Louisiana', 'Maine', 'Maryland', 'Massachusetts', 'Michigan', 'Minnesota', 'Mississippi', 'Missouri', 'Montana', 'Nebraska', 'Nevada', 'New Hampshire', 'New Jersey', 'New Mexico', 'New York', 'North Carolina', 'North Dakota', 'Northern Mariana Islands', 'Ohio', 'Oklahoma', 'Oregon', 'Pennsylvania', 'Rhode Island', 'South Carolina', 'South Dakota', 'Tennessee', 'Texas', 'Utah', 'Vermont', 'Virginia', 'Washington', 'West Virginia', 'Wisconsin', 'Wyoming']
grouped = df.groupby([states, 'Year'])['Number'].sum()

我遇到了问题。 有什么简单的方法可以做到这一点吗？

Answer 1

您基本上是在寻找reindex 。 但是，重新索引不适用于reindex 。 您可以unstack和stack ：

grouped = df.groupby(['State','Year']).sum()
grouped.unstack('Year', fill_value=0).reindex(states, fill_value=0).stack()

或者将它们链接在一起：

(df.groupby(['State','Year']).sum()
   .unstack('Year', fill_value=0)
   .reindex(states, fill_value=0)
   .stack()
)

Output：

              Number
State   Year        
Alabama 2010       2
        2011       0
        2012       1
        2013       0
        2017       0
...              ...
Wyoming 2011       0
        2012       0
        2013       0
        2017       0
        2019       0

Answer 2

1. 从您的状态列表中创建一个索引。 ( idx = pd.index(states] )
2. grouped.set_index( idx, inplace=True)
3. grouped.fillna(value=0, inplace=True)