熊猫群独特的问题

Question

我有一个数据框＆＃39; region_group＆＃39;。如下所示，此数据框没有＆＃39; ARTHOG＆＃39;城镇/城市的价值＆＃39;柱。但是，当我按照第一组进行分组时，在此列上会重新显示此值。我正在尝试理解为什么会发生这种情况。

注意：region_group数据框基于另一个具有“ARTHOG＆＃39;作为“城镇/城市”中的价值柱。但它已被滤除了如下所示的条件，并且在Out [25]

中也很明显

kqueue

Answer 1

类别数据将带有类别，当没有值时，仍会保留类别但填写值为NaN

df=pd.DataFrame({'A':[1,1,3,4,5],'B':[1,2,2,2,2]})
df.A=df.A.astype('category',categories=[1,2,3,4,5])

df.groupby('A').B.first()
Out[905]: 
A
1    1.0
2    NaN
3    2.0
4    2.0
5    2.0
Name: B, dtype: float64

解决方案，将其转换回str或数字

df.A=df.A.astype(int)
df.groupby('A').B.first()
Out[907]: 
A
1    1
3    2
4    2
5    2
Name: B, dtype: int64

或者我们正在使用remove_unused_categories

df.A=df.A.cat.remove_unused_categories()
df.groupby('A').B.first()
Out[910]: 
A
1    1
3    2
4    2
5    2
Name: B, dtype: int64

Answer 2

Pandas使用groupby操作中所有分类列的乘积来确定输出的索引。这意味着即使某个类别未在基础数据中表示，也会在groupby结果中表示。

在我的问题中可以找到有关此行为的详细信息以及可能的解决方案： Pandas groupby with categories

pandas开发团队taken the stance所有类别组合必须在分类系列的groupby操作中表示。

Answer 3

由于Pandas为0.23.0，groupby方法现在可以采用参数＆＃34;观察＆＃34;如果将此问题设置为True（默认情况下为False），则会修复此问题。