python - 从部分分类列中获取 value_counts

Question

我正在尝试使用 pandas(v0.23.4 ).当所有类别都存在时，这工作正常:

import calendar
import random

import pandas as pd

random.seed(1)

month_names = calendar.month_name[1:]
month_names += month_names

df1 = pd.DataFrame({
    'Month': month_names,
    'Flag': [random.choice([True, False]) for _ in month_names]
})

df1['Month'] = pd.Categorical(
    df1['Month'], categories=calendar.month_name[1:], ordered=True
)
print(df1.groupby('Month')['Flag'].value_counts())

如预期打印:

Month      Flag 
January    False    2
February   True     2
March      False    2
April      True     2
May        True     2
June       False    2
July       False    1
           True     1
August     False    1
           True     1
September  False    2
October    True     2
November   False    1
           True     1
December   False    2
Name: Flag, dtype: int64

但是，如果我们的 'Month' 列不包含所有可能的类别，pandas 会抛出一个 ValueError。例如:

month_names = ['January', 'February', 'March']
month_names += month_names

df2 = pd.DataFrame({
    'Month': month_names,
    'Flag': [random.choice([True, False]) for _ in month_names]
})

df2['Month'] = pd.Categorical(
    df2['Month'], categories=calendar.month_name[1:], ordered=True
)
print(df2.groupby('Month')['Flag'].value_counts())

加注:

ValueError: operands could not be broadcast together with shape (12,) (3,)

有什么方法可以从部分数据中得到正确的 value_counts 结果？理想情况下，这将保留完整的类别集，但即使不保留也是一个开始。

Answer 1

如果您只想要观察到的类别，您可以使用observed-关键字:

print(df2.groupby('Month', observed=True)['Flag'].value_counts())
#Month     Flag 
#January   False    1
#          True     1
#February  True     2
#March     False    2
#Name: Flag, dtype: int64

要获取 groupby 中的所有值，您可以使用 crosstab 的解决方法，然后使用所有类别的 reindex。老实说，我不确定为什么原始 GroupBy 会给出 value_counts() 的错误(它适用于其他方法)，但是在使用 stack 之后这有效将 Flag 列变成一个 MultiIndex:

(pd.crosstab(df2['Month'], df2['Flag'])
.reindex(df2['Month'].cat.categories.tolist(), fill_value=0)
.stack())
#Month      Flag 
#January    False    1.0
#           True     1.0
#February   False    0.0
#           True     2.0
#March      False    2.0
#           True     0.0
#April      False    0.0
#           True     0.0
#May        False    0.0
#           True     0.0
#June       False    0.0
#           True     0.0
#July       False    0.0
#           True     0.0
#August     False    0.0
#           True     0.0
#September  False    0.0
#           True     0.0
#October    False    0.0
#           True     0.0
#November   False    0.0
#           True     0.0
#December   False    0.0
#           True     0.0