具有NaN（缺失）值的分组列

Question

我有一个DataFrame，在希望分组的列中有许多缺失值：import pandas as pdimport numpy as npdf = pd.DataFrame({'a': ['1', '2', '3'], 'b': ['4', np.NaN, '6']})In [4]: df.groupby('b').groupsOut[4]: {'4': [0], '6': [2]}看到Pandas删除了具有NaN目标值的行。（我想包括这些行！）由于我需要许多这样的操作（许多col具有缺失的值），并且除了中位数（通常是随机森林）之外，还使用更复杂的函数，因此我想避免编写过于复杂的代码。有什么建议么？我应该为此编写一个函数还是有一个简单的解决方案？

Answer 1

这是在文档的丢失数据部分中提到：

GroupBy中的NA组被自动排除。例如，此行为与R一致。

一种解决方法是在进行分组方式之前使用占位符（例如-1）：

In [11]: df.fillna(-1)

Out[11]: 

   a   b

0  1   4

1  2  -1

2  3   6

In [12]: df.fillna(-1).groupby('b').sum()

Out[12]: 

    a

b    

-1  2

4   1

6   3

就是说，这感觉很糟糕……也许应该有一个在groupby中包含NaN的选项（请参阅此github问题 -使用相同的占位符hack）。

Answer 2

古老的话题，如果有人仍然迷迷糊糊-另一个解决方法是在分组之前通过.astype（str）转换为字符串。这样可以节省NaN。

in:

df = pd.DataFrame({'a': ['1', '2', '3'], 'b': ['4', np.NaN, '6']})

df['b'] = df['b'].astype(str)

df.groupby(['b']).sum()

out:

    a

b   

4   1

6   3

nan 2