我有一个看起来像这样但更大的数据集。
Column A Column B Result
1 1 2.4
1 4 2.9
1 1 2.8
2 5 9.3
3 4 1.2
df.groupby(['Column A','Column B'])['result'].mean()
Column A Column B Result
1 1 2.6
4 2.9
2 5 9.3
3 4 1.2
我希望列B的取值范围为1-10，这些行的结果应为列A和列B的平均值。所以这是我想要的表：
Column A Column B Result
1 1 2.6
2 2.75
3 2.75
4 2.9
5 6.025
2 1 5.95
2 9.3
3 9.3
...
希望这一点可以解决。我知道一般情况非常令人困惑，因此我只能填写所需范围的缺失值。感谢您的帮助！
最佳答案
对于每个组，您需要由reindex创建的新index组成的MultiIndex.from_product，然后由第一级groupby组成的Column A，以及由fillna组组成的mean
df = df.groupby(['Column A','Column B'])['Result'].mean()
mux = pd.MultiIndex.from_product([df.index.get_level_values(0).unique(),
np.arange(1,10)], names=('Column A','Column B'))
df = df.reindex(mux)
df = df.groupby(level='Column A').apply(lambda x: x.fillna(x.mean()))
print (df)
Column A Column B
1 1 2.60
2 2.75
3 2.75
4 2.90
5 2.75
6 2.75
7 2.75
8 2.75
9 2.75
2 1 9.30
2 9.30
3 9.30
4 9.30
5 9.30
6 9.30
7 9.30
8 9.30
9 9.30
3 1 1.20
2 1.20
3 1.20
4 1.20
5 1.20
6 1.20
7 1.20
8 1.20
9 1.20
Name: Result, dtype: float64
关于python - 在python pandas中的groupby之后填写列中缺少的行，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41297147/