Pandas在重采样和uns后添加列

Question

我有一个包含AXLES列的数据帧。AXLES列始终具有以下值之一：[3, 4, 5, ,6 ,7, 8]。我运行一个过滤器，然后更改索引，然后groupby，然后重新采样，最后取消对数据帧的堆栈，如下面的代码所示。在

resamp = df[(df.GVW > 100) & (df.AXLES.isin([3,4,5,6,7,8]))].set_index('TIMESTAMP').groupby('AXLES').resample('M', how='count').CLASS
dfTemp = resamp.unstack(0)
dfTemp.index = [ts.strftime('%b 20%y') for ts in dfTemp.index]

这给了我下面的数据帧，没问题。在

^{pr2}$

但是，这里有一个问题：由于我应用了dfWIM.GVW > 100过滤，所有AXLES=3的行都被过滤掉了。如何在最终的数据帧中仍然保留这个被删除的列？我正在尝试按如下方式获取最终数据帧（缺少“3”列，数据帧中添加了“0”值）：

AXLES       3   4    5   6   7  8
Jul 2016    0  191 1582 212 183 6

如果在所有筛选之后无法保留删除的列，那么如何将值为0的[3, 4, 5, 6, 7, 8]列（如果缺少）添加到最终数据帧中？在

非常感谢！在

Answer 1

这只是对你问题最后一部分的回答，不是完整的答案：

pythonical找到丢失的列：

missing = list(set([3,4,5,6,7,8]) - set(df.columns.tolist()))

选项1（python）：

^{pr2}$

方案2（熊猫）：

df = df.append(pd.DataFrame(columns = [missing])).fillna(0)