在Python Pandas中进行groupby操作后，如何填充缺失的行？

Question

我有一个数据集，看起来像这样，但实际上更大。

Column A   Column B  Result
1          1         2.4
1          4         2.9
1          1         2.8
2          5         9.3
3          4         1.2

df.groupby(['Column A','Column B'])['result'].mean() 

Column A   Column B  Result
1          1         2.6
           4         2.9
2          5         9.3
3          4         1.2

我希望在B列中有1-10的区间，这些行的结果是A列和B列的平均值。所以这是我想要的表格：

Column A   Column B  Result
1          1         2.6
           2         2.75
           3         2.75
           4         2.9 
           5         6.025
2          1         5.95
           2         9.3
           3         9.3
...

希望能够让您理解。我知道这个平均值有点令人困惑，所以我只想填补我所需范围中缺失的值。感谢您的帮助！

- Michael Martinez

Answer 1

您需要通过reindex使用由MultiIndex.from_product创建的新索引，然后按第一级列A进行groupby，并使用fillna按组别平均值填充：

df = df.groupby(['Column A','Column B'])['Result'].mean() 
mux = pd.MultiIndex.from_product([df.index.get_level_values(0).unique(),
                                  np.arange(1,10)], names=('Column A','Column B'))
df = df.reindex(mux)
df = df.groupby(level='Column A').apply(lambda x: x.fillna(x.mean()))
print (df)
Column A  Column B
1         1           2.60
          2           2.75
          3           2.75
          4           2.90
          5           2.75
          6           2.75
          7           2.75
          8           2.75
          9           2.75
2         1           9.30
          2           9.30
          3           9.30
          4           9.30
          5           9.30
          6           9.30
          7           9.30
          8           9.30
          9           9.30
3         1           1.20
          2           1.20
          3           1.20
          4           1.20
          5           1.20
          6           1.20
          7           1.20
          8           1.20
          9           1.20
Name: Result, dtype: float64

- jezrael