pandas groupby 操作缺少数据

在 pandas 数据框中，我有一列如下所示：

0         M
1         E
2         L
3       M.1
4       M.2
5       M.3
6       E.1
7       E.2
8       E.3
9       E.4
10      L.1
11      L.2
12    M.1.a
13    M.1.b
14    M.1.c
15    M.2.a
16    M.3.a
17    E.1.a
18    E.1.b
19    E.1.c
20    E.2.a
21    E.3.a
22    E.3.b
23    E.4.a

我需要将第一个元素所在的所有值分组E, M, or L然后，对于每个组，我需要创建一个子组，其中索引为1, 2, or 3其中将包含每个的记录lowercase letter（a、b、c、...） 该解决方案可能适用于任意数量的级别连接元素（在本例中，级别数为 3（例如：A.1.a））

0    1    2
E    1    a
          b
          c
     2    a
     3    a
          b
     4    a
L    1
     2
M    1    a
          b
          c
     2    a
     3    a

我尝试过：

df.groupby([0,1,2]).count()

但结果缺少L level因为它在最后一个子级别没有记录

解决方法是添加一个虚拟变量，然后将其删除......例如：

df[2][(df[0]=='L') & (df[2].isnull()) & (df[1].notnull())]='x'
df = df.replace(np.nan,' ', regex=True)
df.sort_values(0, ascending=False, inplace=True)
newdf = df.groupby([0,1,2]).count()

这使：

0    1    2
E    1    a
          b
          c
     2    a
     3    a
          b
     4    a
L    1    x
     2    x
M    1    a
          b
          c
     2    a
     3    a

然后我处理dummy entry x稍后在我的代码中...

如何避免这种令人讨厌的使用方式groupby ?

假设所考虑的列由s， 我们可以：

1. 分裂于"."分隔符以及expand=True产生一个扩展的DF.

2. fnc：检查分组框架的所有元素是否仅包含None，然后用虚拟条目替换它们""这是通过建立列表理解。稍后在过滤列表上调用系列构造函数。任何None随后使用 删除此处的内容dropna.

3. Perform groupby w.r.t. 0 & 1列名称并应用fnc to 2.

split_str = s.str.split(".", expand=True)
fnc = lambda g: pd.Series(["" if all(x is None for x in g) else x for x in g]).dropna()
split_str.groupby([0, 1])[2].apply(fnc)

产生：

0  1   
E  1  1    a
      2    b
      3    c
   2  1    a
   3  1    a
      2    b
   4  1    a
L  1  0    
   2  0    
M  1  1    a
      2    b
      3    c
   2  1    a
   3  1    a
Name: 2, dtype: object

为了获得一个扁平化的DF，重置索引与用于分组的级别相同DF before:

split_str.groupby([0, 1])[2].apply(fnc).reset_index(level=[0, 1]).reset_index(drop=True)

产生：

    0  1  2
0   E  1  a
1   E  1  b
2   E  1  c
3   E  2  a
4   E  3  a
5   E  3  b
6   E  4  a
7   L  1   
8   L  2   
9   M  1  a
10  M  1  b
11  M  1  c
12  M  2  a
13  M  3  a