在Pandas

Question

我基本上有一个看起来如下的数据集

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，这将返回一个空数据集，它具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（因为列可能会发生变化，但计数总是在那里）。

关于为什么会失败以及如何修复它的任何想法？

编辑：进一步搜索显示pandas'groupby删除任何列中具有NULL的行。这对我来说是个问题，因为每一列都可能为NULL。因此，实际的问题是：处理NULL的任何合理方法仍然使用groupby？

Answer 1

很想在这里得到纠正，但我不确定是否有一种干净的方法来处理丢失的数据。如您所述，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()

这是混乱的，因为它不会将这些值添加到正确的组中以进行求和。但是没有真正的方法来组合缺少的东西

另一种方法可能是用一些适合该变量的缺失值分别填充每一列。