Question

我有一个包含AXLES列的数据框。 AXLES列始终包含以下值之一：[3, 4, 5, ,6 ,7, 8]。我运行一个过滤器，然后更改索引，然后分组，然后重新采样，最后取消堆栈数据帧，如下面的代码所示。

resamp = df[(df.GVW > 100) & (df.AXLES.isin([3,4,5,6,7,8]))].set_index('TIMESTAMP').groupby('AXLES').resample('M', how='count').CLASS
dfTemp = resamp.unstack(0)
dfTemp.index = [ts.strftime('%b 20%y') for ts in dfTemp.index]

这给了我以下数据框，没问题。

AXLES         4   5   6   7  8
Jul 2016    191 1582 212 183 6

但是，问题在于：由于我应用了dfWIM.GVW > 100过滤，所有AXLES = 3的行都会被过滤掉。我怎样才能在最终的数据框中保留这个删除的列？我正在尝试获取最终数据框如下（缺少＆＃34; 3＆＃34;列＆＃34; 0＆＃34;值添加到数据帧）：

AXLES       3   4    5   6   7  8
Jul 2016    0  191 1582 212 183 6

如果在完成所有过滤后无法保留已删除的列，如何将值{0的任何[3, 4, 5, 6, 7, 8]列（如果缺少）添加到最终数据帧？

非常感谢！

Answer 1

这只是你问题最后一部分的答案，而不是一个完整的答案：

pythonically找到缺少的列：

missing = list(set([3,4,5,6,7,8]) - set(df.columns.tolist()))

选项1（python）：

for x in missing: df[x] = 0

选项2（熊猫）：

df = df.append(pd.DataFrame(columns = [missing])).fillna(0)

Pandas在重新取样和取消堆叠后添加列

1 个答案: