Python 3.x 旋转空数据帧会生成列多索引

我遇到了一个问题，

pivot\u table

在我将其应用于空数据帧时为列生成多索引而不是索引

这就是我要做的。我有一些数据正在读入数据帧

df

。这个数据帧的一列是

'type'

，我需要的是根据

df

列中的类型将数据帧

df

分为两个数据帧

df2

和

df3

。虽然我传入以创建

df

的数据大部分时间都有两种类型（下面的类型

'A'

和

'B'

），但有时我可能会丢失另一种类型的值

但是，我需要从每个数据透视表中创建一个数据透视表，并添加缺少的列和索引，必要时填充0。当数据中没有缺少类型时，这很好：我可以使用

.reindex

两次来填充缺少的索引和列。但如果类型完全丢失，则其中一个派生数据帧（

df2

或

df3

如下）将为空。在这种情况下，索引最终成为一个多索引

这里有一个例子

import pandas as pd
df = pd.DataFrame({'type': ['A', 'A', 'A'], 'val': [1, 2, 3], 'col': ['a', 'b', 'a'], 'ind': [6, 6, 8]})
df2 = df[df['type'] == 'A'][['val', 'col', 'ind']].pivot_table(values='val', index='ind', columns='col', fill_value=0)
df3 = df[df['type'] == 'B'][['val', 'col', 'ind']].pivot_table(values='val', index='ind', columns='col', fill_value=0)

在这一点上，我想做的是将reindex（['a'，b'，c'，d'，axis=1，fill_value=0）。reindex（列表（范围（6，9）），axis=0，fill_value=0）链接到

df2

和

df3

。但这会产生一个错误，因为

df3

的列索引是

MultiIndex（[]，names=[None，'col']）

，而不是我所期望的

index（[]，name='col'）

。此外，我不能仅仅删除None，因为像

.drop（columns=None）

这样的东西显然不起作用

有没有一个简单有效的方法来处理这个问题

---

如果我真的应该做的是重构整个事情，那么为了把问题稍微简化一点，我有这样的数据

{'type': ['A', 'A', 'A'], 'val': [1, 2, 3], 'col': ['a', 'b', 'a'], 'ind': [6, 6, 8]}

类型

列表可能包括也可能不包括两种类型

'A'

和

'B'

因此，我需要创建两个单独的数据帧，分别捕获类型

'A'

和

'B'

的信息，这两个数据帧足够健壮，可以在缺少任何一个数据帧时进行处理。在上面的示例中，生成的数据帧应该是这样的

df2 = 
    'a' 'b' 'c' 'd'
6    1   2   0   0
7    0   0   0   0
8    3   0   0   0

and

df3 =
    'a' 'b' 'c' 'd'
6    0   0   0   0
7    0   0   0   0
8    0   0   0   0

---

希望这有帮助。也许有一种更有效的方法可以做到这一点，但这适用于您的数据集。有一件事我没有弄清楚，那就是合并后只保留匹配的列值，但我用另一种方式管理了它（希望这不对）

我在这里所做的就是创建一个带有所需列和索引的空df，并在合并后将其与

df2

和

df3

和

合并。fillna（0）

    import pandas as pd
    df = pd.DataFrame({'type': ['A', 'A', 'A'], 'val': [1, 2, 3], 'col': ['a', 'b', 'a'], 'ind': [6, 6, 8]})

    df1 = pd.DataFrame(columns=['a', 'b', 'c', 'd'], index=[6, 7, 8])

    df2 = df1.merge(df[df['type'] == 'A'][['val', 'col', 'ind']].pivot_table(values='val', index='ind', columns='col', fill_value=0),
                    left_index=True, right_index=True, how='left', suffixes=('','_y')).fillna(0.0)

    df3 = df1.merge(df[df['type'] == 'B'][['val', 'col', 'ind']].pivot_table(values='val', index='ind', columns='col', fill_value=0),
                    left_index=True, right_index=True, how='left').fillna(0.0)

# this section need rework as I mentioned above
    df2['a'], df2['b'] = df2['a_y'], df2['b_y']
    df2 = df2.drop(['a_y', 'b_y'],1)

    print(df2)
    print(df3)

输出：

df2：

df3：

---

我想您可以创建一个带有所需列和索引的空df（如-

pd.DataFrame（列=['a'，'b'，'c'，'d'，索引=[6,7,8]）

），并在合并后将其与

df2

和

df3

和

合并。fillna（0）

     a    b    c    d
6  1.0  2.0  0.0  0.0
7  0.0  0.0  0.0  0.0
8  3.0  0.0  0.0  0.0

     a    b    c    d
6  0.0  0.0  0.0  0.0
7  0.0  0.0  0.0  0.0
8  0.0  0.0  0.0  0.0