问题在于这里。
假设我们有一个可以使用以下代码生成的 Pandas 数据框:
那假设我们想要按月份统计每个类别的数量。
那么我们可以执行以下操作:
```html
假设我们有一个可以使用以下代码生成的 Pandas 数据框:
month=['dec','dec','dec','jan','feb','feb','mar','mar']
category =['a','a','b','b','a','b','b','b']
sales=[1,10,2,5,12,4,3,1]
df = pd.DataFrame(list(zip(month,category,sales)),
columns =['month', 'cat','sales'])
print(df)
| month cat sales |
|--------------------|
| 0 dec a 1 |
| 1 dec a 10 |
| 2 dec b 2 |
| 3 jan b 5 |
| 4 feb a 12 |
| 5 feb b 4 |
| 6 mar b 3 |
| 7 mar b 1 |
那假设我们想要按月份统计每个类别的数量。
那么我们可以执行以下操作:
```html
所以我们执行以下操作:
```df=df.groupby(['month','cat']).sales.sum().reset_index()
print(df)
| month cat sales |
|--------------------|
| 0 dec a 11 |
| 1 dec b 2 |
| 2 feb a 12 |
| 3 feb b 4 |
| 4 jan b 5 |
| 5 mar b 4 |
但我们想要看到的是:
| month cat sales |
|--------------------|
| 0 dec a 11 |
| 1 dec b 2 |
| 2 feb a 12 |
| 3 feb b 4 |
| 4 jan b 5 |
| 5 jan a 0 |
| 6 mar b 4 |
| 7 mar a 0 |
在这里,不同之处在于没有出现在特定月份的类别仍然会显示为零作为它们的总数。
很可能这个问题以前已经被问过了,但是我找不到。如果你能指向那个问题,我们就可以删除这个。
itertools
中的 product,而不是numpy
。请确认使用的是 itertools 的 product。 - Space Impact