python - Pandas 枢轴 : how to keep rows with all NaNs without introducing extra rows

Question

我想为我正在使用的一些指标创建一个支点。但是，在某些情况下，对于特定年份，没有任何指标存在值。
这会导致该行消失。我想在制作枢轴时保留这一行，但也要保留任何额外的列。然而，这似乎会导致 dropna=False 出现问题。参数，其中正在创建额外的行。下面的例子:

import numpy as np
import pandas as pd
df = pd.DataFrame({"country":["a", "a", "a", "a", "b", "b", "b", "b"],
              "metric": ["M1", "M2", "M1", "M2", "M1", "M2", "M1", "M2",],
              "year": [2000, 2000, 2001, 2001, 2000, 2000, 2001, 2001, ],
              "extra_val": ["a_val", "a_val", "a_val", "a_val", "b_val", "b_val", "b_val", "b_val"],
              "metric_val": [1, 2, 3, 4, np.nan, np.nan, 7, 8],
              })

out1 = df.pivot_table("metric_val", index=["country", "year", "extra_val"], columns="metric")
print(out1)

输出 1:对于国家 b，对于 2000 年，该行消失了，因为它都是 NaN。

metric                   M1   M2
country year extra_val          
a       2000 a_val      1.0  2.0
        2001 a_val      3.0  4.0
b       2001 b_val      7.0  8.0

现在，

out2 = df.pivot_table("metric_val", index=["country", "year", "extra_val"], columns="metric", dropna=False)
print(out2)

输出 2:这里是 extra_val列似乎被视为一个新级别，并且正在创建带有 NaN 的额外行。我想保留此列而没有这些额外的行(该列保证具有到国家/地区的 1 对 1 映射)

metric                   M1   M2
country year extra_val          
a       2000 a_val      1.0  2.0
             b_val      NaN  NaN
        2001 a_val      3.0  4.0
             b_val      NaN  NaN
b       2000 a_val      NaN  NaN
             b_val      NaN  NaN
        2001 a_val      NaN  NaN
             b_val      7.0  8.0

我想要的是什么，

desired = out2.iloc[[0, 2, 5, 7]]
print(desired)

详细说明所需的输出:这就是我希望输出的样子(索引是硬编码的以进行演示，我无法对实际数据中的索引进行硬编码。)

metric                   M1   M2
country year extra_val          
a       2000 a_val      1.0  2.0
        2001 a_val      3.0  4.0
b       2000 b_val      NaN  NaN
        2001 b_val      7.0  8.0

我如何获得这个输出？

Answer 1

Pivot(几乎)等同于 set_index().unstack() :

(df.set_index(['country','metric','year','extra_val'])
    ['metric_val'].unstack('metric')
)

输出:

metric                   M1   M2
country year extra_val          
a       2000 a_val      1.0  2.0
        2001 a_val      3.0  4.0
b       2000 b_val      NaN  NaN
        2001 b_val      7.0  8.0