如何在pandas crosstab数据框中显示列的空值？
我一直在使用pandas库，并利用crosstab来创建一个频率数据框，以便处理数据。在下面的代码中，我读取了一个csv文件，创建了一个数据框，然后生成了一个crosstab，这就是频率数据框。接着，我获取了数据的一个交叉部分，以提取出一些列和下面的数据。
def dataforgraphs():
d = readcsv()
df = DataFrame(d)
d1=df[1]
d0=df[0]
d2=df[2]
d3=df[3]
d4=df[4]
cta = pd.crosstab(d0,[d2,d1,d3],rownames=['Date'],colnames=['RigStat','Prov','Obj'], margins=False)
ndfABA= ndf.xs('AB', level='Prov', axis=1)
ABrigs = ndfAB.xs(['BIT','GAS','OIL'],axis=1)
现在我遇到的问题是，无法提取一个假设的列，这个列应该包含所有没有标记为'BIT'、'GAS'或'OIL'的空白值。在Excel的透视表中，我可以通过勾选（空白）框来选择要包含在透视表中的列。我想在这里做同样的事情，以获取所有空白值的频率计数。
有什么建议吗？
目前我得到的输出只有指定的三个列和下面的频率。
OIL GAS BIT
Date
01-01-2007 1 6 3
01-02-2007 2 4 4
01-03-2007 1 6 3
01-04-2007 5 6 4
01-05-2007 1 7 3
01-06-2007 6 6 6
01-07-2007 1 8 3
01-08-2007 5 6 6
01-09-2007 1 6 3
01-10-2007 1 7 3
相反，我希望得到的结果是，包括一个列，显示所有没有标记为OIL、GAS或BIT（或者说没有标记为任何东西）的空白值。
OIL GAS BIT "blank'
Date
01-01-2007 1 6 3 10
01-02-2007 2 4 4 11
01-03-2007 1 6 3 12
01-04-2007 5 6 4 10
01-05-2007 1 7 3 1
01-06-2007 6 6 6 4
01-07-2007 1 8 3 5
01-08-2007 5 6 6 2
01-09-2007 1 6 3 5
01-10-2007 1 7 3 2
输入到pandas crosstab数据框中的数据结构如下：
Date Obj Operator Type Address
01-01-2007 OIL ABC HZ 112 W Ave
01-01-2007 GAS ABC HZ 112 W Ave
01-01-2007 GAS ABV HZ 113 W Ave
01-01-2007 BIT NCH HZ 114 W Ave
01-01-2007 CNR HZ 115 W Ave
01-02-2007 OIL CNRL HZ 112 W Ave
01-02-2007 OIL CNRL HZ 112 W Ave
01-02-2007 OIL CNRL HZ 112 W Ave
01-03-2007 CNRL HZ 112 W Ave
01-03-2007 CNRL HZ 112 W Ave
从这里，pandas crosstab会创建一个频率表，记录OIL、GAS、BIT按日期的频率，但我找不到如何获取空白值的计数。注意有些列没有列出Obj。这些值在crosstab中没有被捕获，我希望能够查询到这些值。
有什么建议吗？
2 个回答
0
重新整理你的混淆矩阵，并在那些位置填上零。
df_confusion = pd.crosstab(y_actual, y_predicted).reindex(columns=[0,1],index=[0,1], fill_value=0)
在index和columns属性中指定行和列，并设置fill_value = 0来填充零。
3
一种方法是用你想要的字符串（比如'blank'）来填充NaN值，这样它们也会被计算在内：
In [23]: df
Out[23]:
Date Obj Operator Type Address
0 01-01-2007 OIL ABC HZ 112 W Ave
1 01-01-2007 GAS ABC HZ 112 W Ave
2 01-01-2007 GAS ABV HZ 113 W Ave
3 01-01-2007 BIT NCH HZ 114 W Ave
4 01-01-2007 NaN CNR HZ 115 W Ave
5 01-02-2007 OIL CNRL HZ 112 W Ave
6 01-02-2007 OIL CNRL HZ 112 W Ave
7 01-02-2007 OIL CNRL HZ 112 W Ave
8 01-03-2007 NaN CNRL HZ 112 W Ave
9 01-03-2007 NaN CNRL HZ 112 W Ave
In [24]: pd.crosstab(df['Date'], df['Obj'])
Out[24]:
Obj BIT GAS OIL
Date
01-01-2007 1 2 1
01-02-2007 0 0 3
In [25]: df2 = df.fillna('blank')
In [26]: pd.crosstab(df2['Date'], df2['Obj'])
Out[26]:
Obj BIT GAS OIL blank
Date
01-01-2007 1 2 1 1
01-02-2007 0 0 3 0
01-03-2007 0 0 0 2
交叉表实际上就是根据你提供的行和列的值进行分组（这些值会变成行和列的索引），然后统计这些值出现的频率。