如何計算包括零發生的分類值？

Question

我想按月來算的碼數。 這是我的示例數據框。

 id month code 
0  sally 0 s_A 
1  sally 0 s_B 
2  sally 0 s_C 
3  sally 0 s_D 
4  sally 0 s_E 
5  sally 0 s_A 
6  sally 0 s_A 
7  sally 0 s_B 
8  sally 0 s_C 
9  sally 0 s_A 

我使用count（）轉換爲這個系列。

df.groupby(['id', 'code', 'month']).month.count() 

id  code month count 
sally s_A  0 12 
       1 10 
       2  3 
       7 15 

但是，我想包括零發生，就像這樣。

id  code month count 
sally s_A  0 12 
       1 10 
       2  3 
       3 0 
       4 0 
       5 0 
       6 0 
       7 15 
       8 0 
       9 0 
       10 0 
       11 0 

Answer 1

您可以使用reindex新Multindex創建from_product：

注意：
What is the difference between size and count in pandas?

df = pd.DataFrame({ 
'month': [0, 0, 0, 0, 1, 1, 1, 2, 2, 7], 
'code': ['s_A', 's_A', 's_A', 's_A', 's_A', 's_A', 's_A', 's_B', 's_B', 's_B'], 
'id': ['sally1','sally1','sally1','sally','sally','sally','sally','sally','sally','sally']}) 

print (df) 
    code  id month 
0 s_A sally1  0 
1 s_A sally1  0 
2 s_A sally1  0 
3 s_A sally  0 
4 s_A sally  1 
5 s_A sally  1 
6 s_A sally  1 
7 s_B sally  2 
8 s_B sally  2 
9 s_B sally  7 

---

df = df.groupby(['id', 'code', 'month']).size() 
n = ['id','code','month'] 
mux = pd.MultiIndex.from_product([df.index.levels[0],df.index.levels[1], range(13)], names=n) 
df = df.reindex(mux, fill_value=0) 
print (df) 
id  code month 
sally s_A 0  1 
       1  3 
       2  0 
       3  0 
       4  0 
       5  0 
       6  0 
       7  0 
       8  0 
       9  0 
       10  0 
       11  0 
       12  0 
     s_B 0  0 
       1  0 
       2  2 
       3  0 
... 
... 

舊的解決方案：

reindex與unstack和stack，但後來需要一些數據清洗：

df = df.groupby(['id', 'code', 'month']).size() \ 
     .to_frame('count') \ 
     .unstack([0,1], fill_value=0) \ 
     .reindex(range(13), fill_value=0) \ 
     .stack([1,2], dropna=False) \ 
     .fillna(0) \ 
     .astype(int) \ 
     .swaplevel(0,2) \ 
     .sort_index() 
print (df) 
        count 
code id  month  
s_A sally 0   1 
      1   3 
      2   0 
      3   0 
      4   0 
      5   0 
      6   0 
      7   0 
      8   0 
      9   0 
      10   0 
      11   0 
      12   0 
    sally1 0   3 
      1   0 
      2   0 
      3   0 
      4   0