pandas: 按多列分组。如何获取所有组合？

Question

我有以下数据框描述人员信息，其中age_range是根据age列计算得出的。

   age  gender group    age_range
0   46  F      1       >= 30 and < 60
1   50  F      1       >= 30 and < 60
2   63  F      2       >= 60
3   65  F      2       >= 60
4   34  F      1       >= 30 and < 60
5   42  F      2       >= 30 and < 60
6   55  F      1       >= 30 and < 60
7   57  M      1       >= 30 and < 60

接下来，我想要一张表格，其中列出每个组的所有年龄段以及该组中每个年龄段的人数，即使是空箱（任何一个组中没有人年龄小于30岁，并且所有第一组成员年龄在30岁及以上但小于60岁）。

我怎样才能得到以下类似的结果呢？

    group   age_range       count
0   1       < 30            0
1   1       >= 30 and < 60  5
2   1       >= 60           0
3   2       < 30            0
4   2       >= 30 and < 60  1
5   2       >= 60           2

我尝试了多种分组选项，但从未成功获得完整的表格。

- jnc

Answer 1

获取非零计数：

g = df.groupby(['group','age_range']).size().to_frame('count').reset_index()

接下来，您需要创建一个虚拟表格，包含所有组别和年龄范围的组合：

from itertools import product
combs = pd.DataFrame(list(product(df['group'], df['age_range'])), 
                     columns=['group', 'age_range'])

合并（SQL连接）g和此内容，并将NaN替换为零：

result = g.merge(combs, how = 'right').fillna(0)

一行代码解决方案：

df.groupby(['group','age_range']).size().to_frame('count').reindex(MultiIndex.from_product([df['group'].unique(), df['age_range'].unique()], fill_value = 0))

- Ken Wei

---

非常好，非常感谢。这正是我所需要的。为了构建虚拟表，我必须从可能值的列表开始，因为并不是所有这些值都存在于实际数据框中。 - jnc

你可以使用 MultiIndex.from_product 做一个 reindex 替代 join。 - Maarten Fabré

实际上，这可能会更快：df.groupby(['group','age_range']).size().to_frame('count').reindex(MultiIndex.from_product([df['group'].unique(), df['age_range'].unique()])) - Ken Wei