在pandas数据框中使用isnull()和groupby()函数

Question

假设我有一个名为df的数据框，它有列'A'，'B'，'C'。我想按照'A'分组，计算'B'列中的空值数量，并将其制作成字典:

尝试了以下代码但失败了: df.groupby('A')['B'].isnull().sum().to_dict() 感激任何帮助。

- user8071804

Answer 1

设置

df = pd.DataFrame(dict(A=[1, 2] * 3, B=[1, 2, None, 4, None, None]))

df

   A    B
0  1  1.0
1  2  2.0
2  1  NaN
3  2  4.0
4  1  NaN
5  2  NaN

---

Option 1

df['B'].isnull().groupby(df['A']).sum().to_dict()

{1: 2.0, 2: 1.0}

Option 2

选项2

df.groupby('A')['B'].apply(lambda x: x.isnull().sum()).to_dict()

{1: 2, 2: 1}

选项三 发挥创意

df.A[df.B.isnull()].value_counts().to_dict()

{1: 2, 2: 1}

选项 4

from collections import Counter

dict(Counter(df.A[df.B.isnull()]))

{1: 2, 2: 1}

---

Option 5

from collections import defaultdict

d = defaultdict(int)
for t in df.itertuples():
    d[t.A] += pd.isnull(t.B)
dict(d)

{1: 2, 2: 1}

选项6： 过于复杂且不必要。

(lambda t: dict(zip(t[1], np.bincount(t[0]))))(df.A[df.B.isnull()].factorize())

{1: 2, 2: 1}

---

Option 7

df.groupby([df.B.isnull(), 'A']).size().loc[True].to_dict()

{1: 2, 2: 1}

- piRSquared

---

在你的舒适区之外寻找方法真的很困难 :) - BENY

@BENY，一次回答七个选项，价格实惠 :) - 0dminnimda

Answer 2

或者使用count和size之间的差异，参见链接

(df.groupby('A')['B'].size()-df.groupby('A')['B'].count()).to_dict()
Out[119]: {1: 2, 2: 1}

- BENY