Python - 聚合 groupby 多列，跳过 nan 单元格答案

【问题标题】：Python - aggregate groupby multiple columns, skipping nan cellsPython - 聚合 groupby 多列，跳过 nan 单元格
【发布时间】：2022-08-18 21:42:20
【问题描述】：

我正在尝试跨多个列聚合一个数据框，按Date 分组。有些单元格包含 nan，我想保留它。所以我的 df 看起来像这样：

import random
import numpy as np
import pandas as pd

rng = [\'2015-02-24\',\'2015-02-24\',\'2015-02-24\',\'2015-02-24\',\'2015-02-24\',\'2015-02-24\',
       \'2015-02-25\',\'2015-02-25\',\'2015-02-25\',\'2015-02-25\',\'2015-02-25\',\'2015-02-25\']
rng = pd.to_datetime(rng)
Predicted = [random.randrange(-1, 50, 1) for i in range(12)]
Actual_data = [5,3,8,2,9,20, np.NaN,np.NaN,np.NaN,np.NaN,np.NaN,np.NaN]
Category = [\'A\',\'A\',\'A\',\'B\',\'B\',\'B\',\'A\',\'A\',\'A\',\'B\',\'B\',\'B\']

df = pd.DataFrame({ \'Date\': rng, \'Predicted\' : Predicted, \'Actual\': Actual_data, \'Category\': Category})

          Date  Predicted  Actual Category
0   2015-02-24         0      5.0        A
1   2015-02-24         36     3.0        A
2   2015-02-24         30     8.0        A
3   2015-02-24         33     2.0        B
4   2015-02-24         49     9.0        B
5   2015-02-24         42    20.0        B
6   2015-02-25         25     NaN        A
7   2015-02-25          9     NaN        A
8   2015-02-25         21     NaN        A
9   2015-02-25         39     NaN        B
10  2015-02-25         17     NaN        B
11  2015-02-25         11     NaN        B

我想分组：Date，从而将Predicted 和Actual 相加，留下Category。另外，由于我想维护只有 NaN 的组，以保持 NaN 值，而不是将其转换为 0。所以最后我想要这个：

          Date  Predicted  Actual 
0   2015-02-24        190      49   
1   2015-02-25        122     NaN

我试过这样的事情：

df = data.groupby([\'Date\'])[\'Predicted\', \'Actual\'].agg(\'sum\').reset_index()

看起来它有效，但后来我看到它将 NaN 转换为 0，这是我不想要的。我尝试添加skipna=False，但它说无法添加它。当我在某处读到这可能是问题时，我确实更新到了最新版本的熊猫，但这没关系。有人可以帮我吗..？

标签： python pandas group-by aggregate nan

【解决方案1】：

您可以使用min_count=1，这意味着执行操作需要最少 1 个有效值：

df.groupby(['Date'])[['Predicted', 'Actual']].sum(min_count=1)

输出

            Predicted  Actual
Date                         
2015-02-24        124    47.0
2015-02-25        162     NaN

为什么这有效而skipna=False 无效，您可以阅读GitHub 上的讨论。

【讨论】：

我也看到了这个，但是有些值实际上可能是 0（我需要包括这些值，例如，如果某一天所有 Predicted 都是 0，我希望总和为 0，而不是将其转换为 NaN？或者不它不是这样工作的吗？
这仍然有效。 min_count 表示：执行操作所需的有效值数量。
啊，现在我明白了，非常感谢，我理解错了所以我没有尝试，谢谢你的解释:)

【解决方案2】：

也许您可以编写一个 lambda 函数，如果任何值不为空，则返回总和，否则返回 NaN

df.groupby(['Date'])['Predicted', 'Actual'].agg(lambda x: sum(x) if any(x) else np.nan).reset_index()

输出

        Date  Predicted  Actual
0 2015-02-24        174    47.0
1 2015-02-25        164     NaN

【讨论】：

这完美无缺，谢谢：D！