python - Pandas 中按多列分组

Question

我基本上有一个如下所示的数据集

Col1  Col2  Col3  Count
A      B     1      50
A      B     1      50
A      C     20     1
A      D     17     2
A      E     5      70
A      E     15     20

假设它被称为数据。我基本上做 data.groupby(by=['Col1', 'Col2', 'Col3'], as_index=False, sort=False).sum() ，这应该给我这个:

Col1  Col2  Col3  Count
A      B     1      100
A      C     20     1
A      D     17     2
A      E     5      70
A      E     15     20

但是，这会返回一个空数据集，其中确实有我想要的列，但没有行。唯一需要注意的是 by 参数是动态计算的，而不是固定的(这是因为列可能会改变，尽管 Count 总是存在)。

关于为什么会失败以及如何修复它有什么想法吗？

编辑:进一步搜索显示 pandas 的 groupby 删除了任何列中具有 NULL 的行。这对我来说是一个问题，因为每一列都可能为 NULL。因此，真正的问题是:有什么合理的方法来处理 NULL 并仍然使用 groupby？

Answer 1

希望在这里得到纠正，但我不确定是否有一种干净的方法来处理丢失的数据。正如您所指出的，Pandas 只会从 groupby 中排除包含 NaN 值的行

您可以使用超出数据范围的内容填充 NaN 值:

data = pd.read_csv("c:/Users/simon/Desktop/data.csv")

data.fillna(-999, inplace=True)

new = data.groupby(by=['Col1', 'Col2', 'Col3'], as_index=False, sort=False).sum()

这很困惑，因为它不会将这些值添加到正确的分组依据中进行求和。但没有真正的方法来对缺少的东西进行分组

另一种方法可能是用适合该变量的一些缺失值单独填充每列。