Python 表：`margins=True`显示带`Period`列的`NaN`_Python_Pandas

Python 表：`margins=True`显示带`Period`列的`NaN`

python pandas

Python 表：`margins=True`显示带`Period`列的`NaN`,python,pandas,Python,Pandas,以下代码再现了我遇到的问题：将熊猫作为pd导入 df=pd.DataFrame( { “a”：[1,1,2,2]， “b”：[ pd.期间（“2019Q1”）， pd.期间（“2019Q2”）， pd.期间（“2019Q1”）， pd.期间（“2019Q2”）， ], “x”：1.0， } ) 数据透视表（index=“a”、columns=“b”、values=“x”、margins=True）输出： b 2019Q1 2019Q2全部 A. 1 1.0 1.0 1.

以下代码再现了我遇到的问题：

将熊猫作为pd导入
df=pd.DataFrame(
{
“a”：[1,1,2,2]，
“b”：[
pd.期间（“2019Q1”），
pd.期间（“2019Q2”），
pd.期间（“2019Q1”），
pd.期间（“2019Q2”），
],
“x”：1.0，
}
)
数据透视表（index=“a”、columns=“b”、values=“x”、margins=True）

输出：

b 2019Q1 2019Q2全部
A.
1   1.0     1.0     1.0
2   1.0     1.0     1.0
全南1.0

为什么

NaN

小计？我原以为：

b 2019Q1 2019Q2全部
A.
1   1.0     1.0     1.0
2   1.0     1.0     1.0
所有1.0 1.0 1.0

这发生在

Period

列中。

如果其他人偶然发现这个问题，它确实是一个bug，相关的GitHub问题是和

基本问题是由

PeriodIndex

的

get\u indexer

方法引起的。现在，重新编制索引时，不使用实际的

PeriodIndex

，而是使用

PeriodIndex

的

\u int64index

。相关代码，并总结如下：

if isinstance(target, PeriodIndex):
    target = target.asi8

if tolerance is not None:
    tolerance = self._convert_tolerance(tolerance, target)
return Index.get_indexer(self._int64index, target, method, limit, tolerance)

如果使用另一个

PeriodIndex

重新编制索引，这显然效果很好，因为目标也会转换为

int

，但如果另一个索引不是

PeriodIndex

，则会导致一些不可靠的行为，下面是一个小的行为示例

>>> i = pd.PeriodIndex([pd.Period("2019Q1", "Q-DEC"), pd.Period("2019Q2", "Q-DEC")])
>>> j = pd.Index([pd.Period("2019Q1", "Q-DEC"), 'All'])
>>> s = pd.Series([1, 2], index=i)
>>> s
2019Q1    1
2019Q2    2
Freq: Q-DEC, dtype: int64
>>> s.reindex(j)
2019Q1   NaN
All      NaN
dtype: float64
>>> s.index._int64index
Int64Index([196, 197], dtype='int64')
>>> s.reindex([196])
196    1
dtype: int64

显然，这不是理想的行为，解决方案是在使用另一个

周期索引

重新编制索引时仅使用

\u int64index

，否则使用常规的

周期索引

。我提交了一份PR来修复这个问题，希望很快就会包括在内。