包括 pandas groupby 聚合中缺失的值组合

Problem

在 pandas groupby 聚合的输出中包括所有可能的值或值的组合。

Example

示例 pandas DataFrame 有三列，User, Code, and Subtotal:

import pandas as pd
example_df = pd.DataFrame([['a', 1, 1], ['a', 2, 1], ['b', 1, 1], ['b', 2, 1], ['c', 1, 1], ['c', 1, 1]], columns=['User', 'Code', 'Subtotal'])

我想加个群User and Code并获得每个组合的小计User and Code.

print(example_df.groupby(['User', 'Code']).Subtotal.sum().reset_index())

我得到的输出是：

  User   Code   Subtotal
0    a      1          1
1    a      2          1
2    b      1          1
3    b      2          1
4    c      1          2

我怎样才能包含缺少的组合User=='c' and Code==2在表中，即使它不存在于example_df?

首选输出

下面是首选输出，其中零线表示User=='c' and Code==2组合。

  User   Code   Subtotal
0    a      1          1
1    a      2          1
2    b      1          1
3    b      2          1
4    c      1          2
5    c      2          0

您可以使用unstack http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.unstack.html with stack http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.stack.html:

print(example_df.groupby(['User', 'Code']).Subtotal.sum()
                .unstack(fill_value=0)
                .stack()
                .reset_index(name='Subtotal'))
  User  Code  Subtotal
0    a     1         1
1    a     2         1
2    b     1         1
3    b     2         1
4    c     1         2
5    c     2         0

另一种解决方案是reindex http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reindex.html by MultiIndex已创建from_product http://pandas.pydata.org/pandas-docs/stable/generated/pandas.MultiIndex.from_product.html:

df = example_df.groupby(['User', 'Code']).Subtotal.sum()
mux = pd.MultiIndex.from_product(df.index.levels, names=['User','Code'])
print (mux)
MultiIndex(levels=[['a', 'b', 'c'], [1, 2]],
           labels=[[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]],
           names=['User', 'Code'])

print (df.reindex(mux, fill_value=0).reset_index(name='Subtotal'))
  User  Code  Subtotal
0    a     1         1
1    a     2         1
2    b     1         1
3    b     2         1
4    c     1         2
5    c     2         0