Question

我有一个数据集，如下所示：

student     question                        answer   number
Bob         How many donuts in a dozen?       A        1
Sally       How many donuts in a dozen?       C        1
Edward      How many donuts in a dozen?       A        1
....
Edward      What colour is the sky?           C        1
Marvin      What colour is the sky?           D        1

我从中编写了一些代码，这些代码生成了一个数据透视表以汇总测试结果，如下所示：

data = pd.pivot_table(df,index=['question'],columns = ['answer'],aggfunc='count',fill_value = 0)

                                   number
                     answer     A    B   C   D
       question
How many donuts in a dozen?     1    4   3   2
What colour is the sky?         1    9   0   0

从那里，我从数据透视表创建一个热图以进行可视化。通常这可行。但是，如果由于某种原因，所选集中没有一个学生选择了一个答案（例如，没有人选择任何问题选择“ D”），则该列不会显示在热图中；该列将保留。

即使没有人选择答案，如何确保所有必填列都显示在热图中？

Answer 1

您可以采取所有可能的答案，并reindex您的结果。例如，在您提供的小样本中，没有学生选择B。假设您的选项是A，B，C，D：

answers = [*'ABCD']

res = df.pivot_table(
  index='question',
  columns='answer',
  values='number',
  aggfunc='sum',
  fill_value=0
).reindex(answers, axis=1, fill_value=0)

answer                       A  B  C  D
question
How many donuts in a dozen?  2  0  1  0
What colour is the sky?      0  0  1  1

相应的热图：

import matplotlib.pyplot as plt
import seaborn as sns
sns.heatmap(res, annot=True)
plt.tight_layout()
plt.show()

Answer 2

我认为更简单的方法是在数据透视表参数中添加“ dropna = False”，默认行为设置为“ True”。在类似的情况下，这适用于包含大量NaN的时间序列数据的时间序列数据。

null

熊猫数据透视表中缺少值？

2 个答案: