Question

我正在尝试使用value_counts（v0.23.4）从Categorical列（特别是包含月份信息）中获取pandas。当所有类别都存在时，这可以正常工作：

import calendar
import random

import pandas as pd

random.seed(1)

month_names = calendar.month_name[1:]
month_names += month_names

df1 = pd.DataFrame({
    'Month': month_names,
    'Flag': [random.choice([True, False]) for _ in month_names]
})

df1['Month'] = pd.Categorical(
    df1['Month'], categories=calendar.month_name[1:], ordered=True
)
print(df1.groupby('Month')['Flag'].value_counts())

按预期打印：

Month      Flag 
January    False    2
February   True     2
March      False    2
April      True     2
May        True     2
June       False    2
July       False    1
           True     1
August     False    1
           True     1
September  False    2
October    True     2
November   False    1
           True     1
December   False    2
Name: Flag, dtype: int64

但是，如果我们的'Month'列未包含所有可能的类别，则pandas会抛出ValueError。例如：

month_names = ['January', 'February', 'March']
month_names += month_names

df2 = pd.DataFrame({
    'Month': month_names,
    'Flag': [random.choice([True, False]) for _ in month_names]
})

df2['Month'] = pd.Categorical(
    df2['Month'], categories=calendar.month_name[1:], ordered=True
)
print(df2.groupby('Month')['Flag'].value_counts())

提高：

ValueError: operands could not be broadcast together with shape (12,) (3,)

有什么方法可以从部分数据中获取正确的value_counts结果吗？理想情况下，这将保留所有类别，但即使没有开始也是如此。

Answer 1

如果只需要观察的类别，则可以使用guard let name = nameTextField.text, let email = emailTextField.text, let dob = dateTextField.text else { return } let parameters: [String: String] = ["name": name, "email": email, "dob": dob]关键字：

observed

要获取分组依据中的所有值，可以使用一种解决方法，即使用print(df2.groupby('Month', observed=True)['Flag'].value_counts()) #Month Flag #January False 1 # True 1 #February True 2 #March False 2 #Name: Flag, dtype: int64，然后使用reindex使用所有类别。老实说，我不确定为什么原始的crosstab会给GroupBy带来错误（对于其他方法也能正常工作），但是在使用stack使{ {1}}列为MultiIndex：

value_counts()

从部分分类列获取value_counts

1 个答案: