Python 熊猫数据透视表使用熊猫0.22中的总和（最小计数=1）

我正在将代码迁移到Pandas 0.22，并且在数据透视表中遇到了问题。 在版本0.20中，我有一行代码。其行为是，当透视表中的单元格为空时，总和聚合返回NAN

workload_pivot_df = pd.pivot_table(workload_df, index=["athlete_id", "date"], values=["workload"], columns=["type"], aggfunc=('sum','last'))

---

但是，由于0.22的变化，当找不到数据时，sum现在返回0。文档中说，可以将min_count=1作为参数传递，以获得原始行为。但是，我无法在透视表中使用此功能。

可以使用

lambda

函数，对于相同的列名，可以使用

tuple

-第一个值是新列名，第二个聚合函数：

tup = ('sum', lambda x: x.sum(min_count=1))
workload_pivot_df = pd.pivot_table(workload_df, index=["athlete_id", "date"], 
                                    values=["workload"], 
                                    columns=["type"], aggfunc=(tup,'last'))

样本：

workload_df = pd.DataFrame({'athlete_id':list('aaabbb'),
                   'date':pd.to_datetime(['2015-01-01'] * 3 + ['2015-01-01'] * 3),
                   'workload':[np.nan,np.nan,np.nan,4,2,3],
                   'type':list('aaaabb')})

print (workload_df)
  athlete_id       date type  workload
0          a 2015-01-01    a       NaN
1          a 2015-01-01    a       NaN
2          a 2015-01-01    a       NaN
3          b 2015-01-01    a       4.0
4          b 2015-01-01    b       2.0
5          b 2015-01-01    b       3.0

---

workload\u pivot\u df=pd.pivot\u表（workload\u df，index=[“运动员id”，“日期”]，
值=[“工作负载”]，
列=[“类型”]、aggfunc=（“总和”、“最后一次”））
打印（工作负载轴）
工作量
最后一笔
a型b型
运动员身份证日期
a 2015-01-01 NaN 0.0 NaN#您能提供一些发现此问题的最低限度数据吗？@warwickh-glady可以提供帮助！
workload_pivot_df = pd.pivot_table(workload_df, index=["athlete_id", "date"], 
                                    values=["workload"], 
                                    columns=["type"], aggfunc=('sum','last'))

print (workload_pivot_df)
                      workload               
                          last       sum     
type                         a    b    a    b
athlete_id date                              
a          2015-01-01      NaN  NaN  0.0  NaN #<-all NaNs created 0.0
b          2015-01-01      4.0  3.0  4.0  5.0


tup = ('sum', lambda x: x.sum(min_count=1))
workload_pivot_df = pd.pivot_table(workload_df, index=["athlete_id", "date"], 
                                    values=["workload"], 
                                    columns=["type"], aggfunc=(tup,'last'))

print (workload_pivot_df)
                      workload               
                          last       sum     
type                         a    b    a    b
athlete_id date                              
a          2015-01-01      NaN  NaN  NaN  NaN #<-back compatible need NaN
b          2015-01-01      4.0  3.0  4.0  5.0