Python 数据帧值_counts（）形状错误

我试图通过一个时间序列数据集，计算每种独特类别的服装每天出现的次数。除了2012年，我的数据集每年都运行良好。当我运行我的代码时，我收到一个形状广播错误，我无法理解为什么2012年会导致这个错误，但我的其他年份都不会

---

test=订单['Category']['2012']
counts=test.groupby（pd.Grouper（freq='D'））.value\u counts（）

下面是代码产生的错误

ValueError                                Traceback (most recent call last)
<ipython-input-127-bc2dbf569e47> in <module>()
      1 test=orders['Category']['2012']
----> 2 counts = test.groupby(pd.Grouper(freq='D')).value_counts()

c:\users\matthew mclaughlin\miniconda3\envs\cseclass\lib\site-packages\pandas\core\groupby.py in value_counts(self, normalize, sort, ascending, bins, dropna)
   3015 
   3016         # multi-index components
-> 3017         labels = list(map(rep, self.grouper.recons_labels)) + [lab[inc]]
   3018         levels = [ping.group_index for ping in self.grouper.groupings] + [lev]
   3019         names = self.grouper.names + [self.name]

c:\users\matthew mclaughlin\miniconda3\envs\cseclass\lib\site-packages\numpy\core\fromnumeric.py in repeat(a, repeats, axis)
    394     except AttributeError:
    395         return _wrapit(a, 'repeat', repeats, axis)
--> 396     return repeat(repeats, axis)
    397 
    398 

ValueError: operands could not be broadcast together with shape (366,) (363,)

2013-01-01外套

代码运行后应该产生的结果如下所示

Order Date  Category           
2013-01-01  Outerwear              289
            First Layer Tops       230
            Accessories            190
            First Layer Bottoms    155
            Footwear                10
            Kid's Sets               3

---

最后，我取消此结果的堆栈，并将其插入每个类别的新列中。

Groupby对象没有名为

.value\u counts（）的属性。

。如果要计算数值，请使用

应用

+

堆栈

即

df.groupby(pd.Grouper(freq='D')).apply(lambda x : x.Category.value_counts()).stack()

带有附加日期的测试数据的输出

Order Date Category 2013-01-01 Outerwear 3 First Layer Tops 2 Accessories 2 Kid's Sets 1 First Layer Bottoms 1 2013-01-02 Outerwear 3 First Layer Tops 2 Accessories 2 Kid's Sets 1 First Layer Bottoms 1 dtype: int64 订单日期类别 2013-01-01外套3 第一层顶部2 附件2 童装1 第一层底部1 2013-01-02外套3 第一层顶部2 附件2 童装1 第一层底部1 数据类型：int64

---

如果您试图根据年份选择类别，请尝试布尔索引，如

df[df.index.year==2012]

Groupby对象没有名为

.value\u counts（）的属性。如果要计算数值，请使用
应用
+
堆栈
即

df.groupby(pd.Grouper(freq='D')).apply(lambda x : x.Category.value_counts()).stack()

df['Date'] = pd.to_datetime(df['Date'])   
df.set_index('Date',inplace=True)    
df.groupby([pd.Grouper(freq='D'),'Category']).size()

带有附加日期的测试数据的输出

Order Date  Category           
2013-01-01  Outerwear              3
            First Layer Tops       2
            Accessories            2
            Kid's Sets             1
            First Layer Bottoms    1
2013-01-02  Outerwear              3
            First Layer Tops       2
            Accessories            2
            Kid's Sets             1
            First Layer Bottoms    1
dtype: int64
订单日期类别
2013-01-01外套3
第一层顶部2
附件2
童装1
第一层底部1
2013-01-02外套3
第一层顶部2
附件2
童装1
第一层底部1
数据类型：int64
如果您试图根据年份选择类别，请尝试布尔索引，如
df[df.index.year==2012]

df['Date'] = pd.to_datetime(df['Date'])   
df.set_index('Date',inplace=True)    
df.groupby([pd.Grouper(freq='D'),'Category']).size()

如果要针对特定年份进行测试，请按照以下方式选择您要查找的年份所在的行：

test = df[df['Date'].dt.year == 2013]
test.set_index('Date',inplace=True)    
test.groupby([pd.Grouper(freq='D'),'Category']).size()

您还可以使用透视表：

pd.pivot_table(df, index=['Date','Category'], aggfunc=np.size)

如果要针对特定年份进行测试，请按照以下方式选择您要查找的年份所在的行：

test = df[df['Date'].dt.year == 2013]
test.set_index('Date',inplace=True)    
test.groupby([pd.Grouper(freq='D'),'Category']).size()

您还可以使用透视表：

pd.pivot_table(df, index=['Date','Category'], aggfunc=np.size)

test=orders['Category']['2012']
将为您提供一行。你为什么这么做？@cᴏʟᴅsᴘᴇᴇᴅ 可能正在尝试获取2012年的类别是的，orders['Category']['2012']为我获取2012年的所有类别行。我按时编制了索引。
test=orders['Category']['2012']
将为您生成一行。你为什么这么做？@cᴏʟᴅsᴘᴇᴇᴅ 可能正在尝试获取2012年的类别是的，orders['Category']['2012']为我获取2012年的所有类别行。我已按时编制索引。您确定这将提供预期的输出吗<代码>订单日期

是一个列名而不是两个不同的列名吗？当然，您可以在示例中绘制示例列名和列名之间的连接。类别如何？尝试将输出放在示例数据上。您确定这将提供预期的输出吗<代码>订单日期是一个列名而不是两个不同的列名吗？当然，您可以在示例中绘制示例列名和列名之间的连接。类别如何？试着将输出放在示例数据上。groupby对象仍然使用.value_counts（），只是澄清一下，每隔一年。我得到了那一年中每天的叠加数据。只有2012年没有这样做。然而，你的建议确实奏效了。还是不知道为什么，但谢谢你。我猜这与apply函数有关。嗯，我下次再使用我的原始代码。另外，我必须删除你的.stack（），因为代码已经用value_counts（）进行了堆叠。我应用了.unstack（）来集成到我的其他dataframegroupby对象中，但仍然可以使用.value_counts（），只是为了澄清一下，每隔一年。我得到了那一年中每天的叠加数据。只有2012年没有这样做。然而，你的建议确实奏效了。还是不知道为什么，但谢谢你。我猜这与apply函数有关。嗯，我下次再使用我的原始代码。另外，我必须删除你的.stack（），因为代码已经用value_counts（）进行了堆叠。我应用了.unstack（）来集成到另一个数据帧中