使用 PANDAS 中的 value_counts() 零出现/频率

Question

我有一个表格，其中包含日期和每个日期销售的各种汽车，格式如下（这些只是许多列中的 2 个）：

DATE       CAR
2012/01/01 BMW
2012/01/01 Mercedes Benz
2012/01/01 BMW
2012/01/02 Volvo
2012/01/02 BMW
2012/01/03 Mercedes Benz
...
2012/09/01 BMW
2012/09/02 Volvo

我执行以下操作来查找每天销售的宝马汽车的数量

df[df.CAR=='BMW']['DATE'].value_counts()

结果是这样的：

2012/07/04 15
2012/07/08 8
...
2012/01/02 1

但是有些日子没有宝马汽车售出。结果，与上述一起，我想要宝马零出现的日子。因此，期望的结果是：

2012/07/04 15
2012/07/08 8
...
2012/01/02 1
2012/01/09 0
2012/08/11 0

我该怎么做才能达到这样的结果？

Answer 1

您可以在value_counts 之后重新索引结果，并用 0 填充缺失的值。

df.loc[df.CAR == 'BMW', 'DATE'].value_counts().reindex(
    df.DATE.unique(), fill_value=0)

输出：

2012/01/01    2
2012/01/02    1
2012/01/03    0
2012/09/01    1
2012/09/02    0
Name: DATE, dtype: int64

---

除了value_counts，您还可以考虑检查按日期分组的相等和求和，这将包括所有这些。

df['CAR'].eq('BMW').astype(int).groupby(df['DATE']).sum()

输出：

DATE
2012/01/01    2
2012/01/02    1
2012/01/03    0
2012/09/01    1
2012/09/02    0
Name: CAR, dtype: int32

Answer 2

category 类型的默认行为正是您想要的。不存在的类别将显示为零值。你只需要这样做：

df.astype({'CAR': 'category'})[df.CAR=='BMW']['DATE'].value_counts()

或者更好的是，让它明确地成为您数据框中的一个类别：

df.CAR = df.CAR.astype('category')
df[df.CAR=='BMW'].DATE.value_counts()

类别类型可以更好地表示您的数据并且更节省空间。