python - Pandas hub_table 用 0 aggfunc ='sum' 替换 nan

Question

我正在使用这种形式的多值数据透视表:

pivot = df.pivot_table(index=[indices], columns=['column'], values=['start_value','end_value','delta','name','unit'], aggfunc='sum')

数据帧 df 包含所有 dtype 对象的列 ['start_value','end_value','delta','name','unit']。这是因为“name”和“unit”实际上是字符串列，“start_value”、“end_value”和“delta”是浮点列。对象数据类型是使数据透视表工作的尝试，即使数据类型不同(内容方面)。

当其中一个值非 nan 时，任何 nan 值都会转换为 0，而不是 nan。

df:

indices, column, 'start_value','end_value','delta','name','unit'
A,       '1nan',  nan,          1000,      nan,    'test', 'USD'
A,       'other', nan,          nan,       nan,    'test2', 'USD'

数据透视结果:

indices, ('1nan', 'start_value'), ('1nan', 'end_value'), ('1nan', 'delta'),('1nan', 'name'), ('1nan', 'unit'), ('other', 'start_value'), ('other', 'end_value'), ('other', 'delta'), ('other', 'name'), ('other', 'unit')
A, 0 [should be nan], 1000, 0 [should be nan], 'test','USD', nan, nan, nan, 'test2', 'USD'

关于如何得到 nan 而不是 0 有什么建议吗？

Answer 1

替代解决方案是使用GroupBy.sum带有参数 min_count=1，但删除了非 numeric columns :

df = (df.groupby(['indices', 'column'])
                ['start_value','end_value','delta','name','unit']
                 .sum(min_count=1) 
                  .unstack()
                    )
print (df)
        start_value         end_value          delta        
column       '1nan' 'other'    '1nan' 'other' '1nan' 'other'
indices                                                     
A               NaN     NaN    1000.0     NaN    NaN     NaN

因为 pivot_table 被删除了 NaN 列:

df = df.pivot_table(index=['indices'], 
                    columns=['column'], 
                    values=['start_value','end_value','delta','name','unit'], 
                    aggfunc=lambda x: x.sum(min_count=1)
                    )
print (df)
        end_value    name            unit        
column     '1nan'  '1nan'  'other' '1nan' 'other'
indices                                          
A          1000.0  'test'  'test2'  'USD'   'USD'