pandas 如何使用Python获取数据集中的空值？

yxyvkwin 于 2022-12-25 发布在 Python

关注(0)|答案(2)|浏览(105)

我有一个csv文件称为购买。csv和我试图找到多少购买每个项目在一个月和每个月分开。我发现每个月分开和多少购买每个项目。但如果一个项目是从来没有得到购买的那个月我需要它显示为0。这是我的代码到目前为止;

#Reading the dataset
data = pd.read_csv('purchases.csv')
df = pd.DataFrame(data)

#Filtering the data
df['date']=pd.to_datetime(df['date'])
dataset=df[df['date'].dt.year == 2020]

#january
# Select DataFrame rows between two dates
januaryFilter = (dataset['date'] > '2020-01-01') & (dataset['date'] <= '2020-01-31')
january = dataset.loc[januaryFilter]
jan = pd.crosstab(january['item_id'], januaryFilter)
print(jan)

#february
# Select DataFrame rows between two dates
februaryFilter = (dataset['date'] > '2020-02-01') & (dataset['date'] <= '2020-02-28')
february = dataset.loc[februaryFilter]
feb = pd.crosstab(february['item_id'], februaryFilter)
print(feb)

这是我的数据集。

session_id,item_id,date
3,15085,2020-12-18 21:26:47.986
13,18626,2020-03-13 19:36:15.507
18,24911,2020-08-26 19:20:32.049
19,12534,2020-11-02 17:16:45.92
24,13226,2020-02-26 18:27:44.114
28,26394,2020-05-18 12:52:09.764
31,8345,2021-04-20 19:46:42.594
36,14532,2020-06-21 10:33:22.535
42,11784,2021-03-01 15:17:04.264
44,4028,2020-11-27 20:46:08.951
48,24022,2020-04-15 17:29:15.414
49,2011,2020-05-01 12:34:29.86
52,12556,2020-03-21 11:49:07.324
75,28057,2020-05-24 17:27:54.288
77,4243,2020-09-20 21:37:20.838
107,4016,2020-01-15 06:07:23.177
108,18532,2020-06-06 17:25:15.508
113,21107,2021-05-05 14:15:07.278
115,25976,2021-05-27 10:24:05.043
119,434,2020-10-11 06:32:22.085
124,3732,2020-05-18 11:04:15.42
127,25117,2020-01-15 15:17:43.659
140,23502,2021-04-28 13:45:31.202

这是我现在的输出。
第一节第一节第一节第一节第一次
我知道有item_id为0的商品，但是我没有看到，你能帮我解决这个问题吗？

pandas

来源：https://stackoverflow.com/questions/74908086/how-to-get-the-null-values-in-a-dataset-with-python

2条答案

按热度按时间

lrl1mhuk1#

我希望，它适用于你的解决方案。首先我groupby数据为月份和item_id，然后我使用pivot_table，因为我认为你想看到数据对item_id，如果特定的item_id不在该月份，那么它显示0。

import pandas as pd 
#Reading the dataset
df = pd.read_csv('./stackoverflow_null_values_python.csv')

df['date'] = pd.to_datetime(df['date'])
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month

df = df[df['year'] == 2020]
df_group = df.groupby(['month', 'item_id']).agg(n=('item_id', 'count')).reset_index()
pivot_df = pd.pivot_table(df_group, values='n', index='item_id', columns='month', fill_value=0)
# feb data
feb = pd.DataFrame(pivot_df.loc[:, [2]].to_records()).rename({'2': 'Februrary'}, axis=1)
feb

赞(0）回复(0）举报 2022-12-25

r8uurelv2#

您可以使用完整的项目集进行连接，并使用零（.fillna(0)）填充缺失的值。
交叉表在这里似乎有点过头了;您正在执行一个简单的groupby：

jan = january.groupby("item_id").session_id.count()

然而，在我看来，我们可以更有效地处理这一问题：

df["month"] = df.date.dt.month

results = (
    df.pivot_table(
        values="session_id", 
        aggfunc="count",
        index="item_id", 
        columns="month",
     ).fillna(0)
)

results.head()

它应该输出每个项目ID一行、每个月一列以及购买次数（会话ID的计数）作为表值，缺失值填充为零。

赞(0）回复(0）举报 2022-12-25

我来回答

pandas 如何使用Python获取数据集中的空值？

2条答案

相关问题

热门标签

最新问答