如何使用Pandas在多类别分组统计中显示所有组合及零计数

本教程详细介绍了如何使用Pandas库对数据进行多列分组计数，并确保所有可能的类别组合（例如，不同大洲及其对应的分箱范围）都被明确列出，即使某些组合的计数为零。文章将通过实际示例代码，演示如何添加辅助列、执行分组计数，并利用`unstack()`和`stack()`方法巧妙地填充零值，从而生成一个完整且易于分析的数据集。

在数据分析中，我们经常需要对数据集中的多个分类变量进行组合计数。例如，统计不同大洲（Continent）中，每个数值分箱（Rank）内的数据条目数量。然而，一个常见的问题是，默认的分组计数操作只会显示那些在原始数据中实际存在的组合。如果某个大洲的某个分箱内没有数据，那么这个组合就不会出现在结果中，这可能导致数据分析的不完整性。本教程旨在解决这一问题，确保所有可能的类别组合都能被明确列出，并为其分配零计数（如果原始数据中不存在）。

准备初始数据

首先，我们从一个包含大洲和分箱信息的数据集开始。假设我们有以下DataFrame，其中包含了各个大洲和它们对应的分箱：

import pandas as pd

# 示例数据
data = {
    'Continent': [
        'Asia', 'North America', 'Asia', 'Europe', 'Europe', 'North America',
        'Europe', 'Asia', 'Europe', 'Asia', 'Europe', 'Europe', 'Asia',
        'Australia', 'South America'
    ],
    'Rank': [
        '(15.753, 29.227]', '(2.212, 15.753]', '(2.212, 15.753]',
        '(2.212, 15.753]', '(15.753, 29.227]', '(56.174, 69.648]',
        '(15.753, 29.227]', '(2.212, 15.753]', '(15.753, 29.227]',
        '(2.212, 15.753]', '(29.227, 42.701]', '(29.227, 42.701]',
        '(2.212, 15.753]', '(2.212, 15.753]', '(56.174, 69.648]'
    ]
}
df = pd.DataFrame(data)

print("原始DataFrame:")
print(df)

登录后复制

我们的目标是得到一个表格，其中包含每个大洲和所有预设分箱的组合，并显示其对应的计数，即使计数为零。

步骤一：为分组计数添加辅助列

在使用Pandas的groupby().count()方法时，如果直接对多个列进行分组并计数，Pandas会期望有一个额外的列来执行实际的计数操作。如果不提供这样的列，可能会得到一个空的或不符合预期的结果。为了满足这一要求，我们可以添加一个简单的辅助列，其所有值都为1。

# 添加一个辅助列，用于计数
df['count_col'] = 1

print("\n添加辅助列后的DataFrame:")
print(df.head())

登录后复制

现在，df DataFrame中多了一个名为count_col的列，其值为1。

步骤二：执行初步的分组计数

有了辅助列之后，我们就可以对Continent和Rank两列进行分组，并对count_col进行求和（或计数）。这将得到每个现有组合的计数。

标签： 工具 数据恢复