按类别在Pandas中添加缺少的值
按类别在Pandas中添加缺少的值
提问于 2017-12-13 18:18:38
我是Pandas的新手，我有一个如下形式的数据框架：
date category value
0 2017-11-30 13:58:57 A 901
1 2017-11-30 13:59:41 B 905
2 2017-11-30 13:59:41 C 925第一列是日期，第二列是分类的，有三个已知的类别。
它是通过以下方式生成的：
import pandas as pd
df = pd.DataFrame.from_items( [('date', ['2017-11-30 13:58:57', '2017-11-30 13:59:41', '2017-11-30 13:59:41']),('category',['A','B', 'C']),("value", [901, 905, 925])])
df['date'] = pd.to_datetime(df['date'])
df['category'] = df['category'].astype('category')问题是，对于每个日期，并不是所有类别都在那里。我希望添加缺少值的缺少类别来获取：
date category value
0 2017-11-30 13:58:57 A 901
1 2017-11-30 13:58:57 B nan
2 2017-11-30 13:58:57 C nan
3 2017-11-30 13:59:41 A nan
4 2017-11-30 13:59:41 B 905
5 2017-11-30 13:59:41 C 925有没有一种内置的方法可以做到这一点，而不是迭代行？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-12-13 18:21:51
您可以通过MultiIndex.from_product使用reindex
df = df.set_index(['date','category'])
cats = pd.MultiIndex.from_product(df.index.levels, names=df.index.names)
df = df.reindex(cats).reset_index()
print (df)
date category value
0 2017-11-30 13:58:57 A 901.0
1 2017-11-30 13:58:57 B NaN
2 2017-11-30 13:58:57 C NaN
3 2017-11-30 13:59:41 A NaN
4 2017-11-30 13:59:41 B 905.0
5 2017-11-30 13:59:41 C 925.0df = (df.set_index(['date','category'])['value']
.unstack()
.stack(dropna=False)
.reset_index(name='value'))
print (df)
date category value
0 2017-11-30 13:58:57 A 901.0
1 2017-11-30 13:58:57 B NaN
2 2017-11-30 13:58:57 C NaN
3 2017-11-30 13:59:41 A NaN
4 2017-11-30 13:59:41 B 905.0
5 2017-11-30 13:59:41 C 925.0页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47790528
复制相关文章
相似问题
腾讯云开发者
