用一组字符串对pandas序列重新编制索引将删除序列中的原始数据

Question

我有一个名为day\u counts的系列，通常包含7个值，但可以这样看。0对应星期一到6，星期天。你知道吗

Name: dow, dtype: int64
0    332
1    722
2    721

但是索引需要有7个值长（一周中的几天），所以我重新索引了这个序列，但是使用了一个字符串列表作为索引。代码如下所示（scrobbles是从csv文件读取的数据帧）：

_scrobbles = self.scrobbles.query('month == ' + str(self.month))
_scrobbles['text_timestamp'] = pd.to_datetime(_scrobbles['text_timestamp'])
_scrobbles['dow'] = _scrobbles['text_timestamp'].map(lambda x: x.weekday())
data = _scrobbles['dow'].value_counts().sort_index()
day_counts = pd.Series(data=data)
new_index = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
day_counts_new = day_counts.reindex(index=new_index, fill_value=0)

这将创建新索引，但任何现有数据都会被0覆盖，并输出以下内容：

Mon    0
Tue    0
Wed    0
Thu    0
Fri    0
Sat    0
Sun    0
Name: dow, dtype: int64

应该是这样的

Mon    332
Tue    722
Wed    721
Thu    0
Fri    0
Sat    0
Sun    0

有人知道我如何保存现有数据吗？你知道吗

有趣的是，如果我将索引设置为像这样的数字new_index = [0, 1, 2, 3, 4, 5, 6]

然后它就按预期工作了

谢谢

Answer 1

我通过创建dictionary并将平日列表压缩到初始序列，然后从dictionary创建一个dataframe来解决这个问题。你知道吗

hour_counts = _scrobbles['dow'].value_counts().sort_index() 
days = 'Mon Tue Wed Thu Fri Sat Sun'.split()
df = pd.DataFrame(list(dict(zip(days, hour_counts)).items()), columns=['Month', 'Count'])