Python 熊猫：类别数据类型和过滤器

使用pandas 0.18.1，我在过滤

dtype

为

category

的列时实现了一种不同的行为。这里是一个最小的例子

import pandas as pd
import numpy as np

l = np.random.randint(1, 4, 50)
df = pd.DataFrame(dict(c_type=l, i_type=l))
df['c_type'] = df.c_type.astype('category')

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 50 entries, 0 to 49
Data columns (total 2 columns):
c_type    50 non-null category
i_type    50 non-null int64
dtypes: category(1), int64(1)
memory usage: 554.0 bytes

但是，对“类别类型”列进行相同的筛选时，会将该值作为条目进行筛选

df[df.c_type.isin([1, 2])].c_type.value_counts()

2    20
1    17
3     0
Name: c_type, dtype: int64

虽然过滤器可以工作，但这种行为对我来说似乎不寻常。例如，过滤器可用于从

pivot\u表

函数中排除未来的列，该函数在处理

类别

时需要额外的过滤器

---

这是预期的行为吗？

这是预期的行为，如果选中：

像Series.value_counts（）这样的系列方法将使用所有类别，即使数据中不存在某些类别：

因此，如果按

5

进行筛选（值不存在），则为每个类别获取

0

：

print (df[df.c_type.isin([5])].c_type.value_counts())
3    0
2    0
1    0
Name: c_type, dtype: int64

In [100]: s = pd.Series(pd.Categorical(["a","b","c","c"], categories=["c","a","b","d"]))

In [101]: s.value_counts()
Out[101]: 
c    2
b    1
a    1
d    0
dtype: int64

print (df[df.c_type.isin([5])].c_type.value_counts())
3    0
2    0
1    0
Name: c_type, dtype: int64