Python 将缺少的组合填上“；“一”；在groupby对象中

我有以下格式的数据

date        group   ret
1986-01-31  1       1.3
1986-01-31  1       0.9
1986-01-31  2       1.4
1986-01-31  2       1.6
1986-01-31  2       1.5
1986-01-31  3       1.1
1986-02-28  2       1.3
1986-02-28  2       1.1

我希望获得每个日期和组的平均回报，我通过以下操作获得：

output = df.groupby(['date', 'group'])['ret'].mean() + 1 
output = output.reset_index()

这将提供以下输出：

date        group   ret
1986-01-31  1       1.1
1986-01-31  2       1.5
1986-01-31  3       1.1
1986-02-28  2       1.2

然而，由于在1986年2月28日没有给出1类和3类的“ret”，因此在该日期1类和3类的输出中没有行。我想要的是，对于原始数据帧中没有返回的日期和类的任何组合，这个组合在输出中得到和输出“1”。因此，所需的输出是：

date        group   ret
1986-01-31  1       1.1
1986-01-31  2       1.5
1986-01-31  3       1.1
1986-02-28  1       1
1986-02-28  2       1.2
1986-02-28  3       1

---

解决这个问题的好办法是什么？提前谢谢

我们可以做

pivot\u table

然后

stack

out = df.pivot_table(index='date',columns='group',values='ret',aggfunc = 'mean').fillna(1).stack().reset_index(name='value')
         date  group  value
0  1986-01-31      1    1.1
1  1986-01-31      2    1.5
2  1986-01-31      3    1.1
3  1986-02-28      1    1.0
4  1986-02-28      2    1.2
5  1986-02-28      3    1.0

---

您可以重新编制

groupby

和

mean

的结果索引，并用以下值填充空值：

output=df.groupby（['date'，'group']）['ret'].mean（）.reindex(
pd.MultiIndex.from_乘积(
（pd.date_范围（df.date.min（），df.date.max（），freq='M'），
已排序（df.group.unique（）），
名称=[“日期”，“组”]，
)
).fillna（1）.reset_index（）

下面是您问题中数据帧的结果：

日期组ret
0 1986-01-31      1  1.1
1 1986-01-31      2  1.5
2 1986-01-31      3  1.1
3 1986-02-28      1  1.0
4 1986-02-28      2  1.2
5 1986-02-28      3  1.0

您可以使用函数from公开显式缺少的值，并使用

1

：

# pip install pyjanitor
import janitor
(df.groupby(['date', 'group'], as_index = False)
   .ret
   .mean()
   .complete(['date', 'group'])
   .fillna(1)
 )

         date  group  ret
0  1986-01-31      1  1.1
1  1986-01-31      2  1.5
2  1986-01-31      3  1.1
3  1986-02-28      1  1.0
4  1986-02-28      2  1.2
5  1986-02-28      3  1.0

或者，您可以将

组

列转换为a，所有类别将在groupby期间维护：

from pandas.api.types import CategoricalDtype
(df
 .astype({"group": CategoricalDtype(categories=df.group.unique())})
 .groupby(['date', 'group'], as_index = False)
 .ret
 .mean()
 .fillna(1)
 )

         date group  ret
0  1986-01-31     1  1.1
1  1986-01-31     2  1.5
2  1986-01-31     3  1.1
3  1986-02-28     1  1.0
4  1986-02-28     2  1.2
5  1986-02-28     3  1.0