Как заполнить нулевые значения в агрегированной таблице с помощью Pandas?

У меня есть CSV-файл с именем Purchases.csv, и я пытаюсь найти, сколько покупок каждого товара в месяц и каждый месяц отдельно. Я нашел каждый месяц отдельно и сколько покупок каждого пункта. Но если предмет никогда не был куплен в этом месяце, мне нужно, чтобы он отображался как 0. Пока это мой код;

 #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)

Это мой набор данных.

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

Это мой выход прямо сейчас.

Я знаю, что есть item_id (покупки), которые равны 0. Но я их не вижу. Можете ли вы помочь мне с этой проблемой?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
70
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Вы можете выполнить соединение с полным набором элементов и заполнить недостающие значения нулем (.fillna(0)).

Crosstab здесь кажется излишним; вы выполняете простую группу:

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

Однако мне кажется, что мы могли бы подойти к этому более эффективно:

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

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

results.head()

который должен выводить одну строку для каждого идентификатора элемента, один столбец в месяц и количество покупок (количество идентификаторов сеансов) в виде значений таблицы, а пропущенные значения заполняются нулем.

Большое спасибо за помощь, но, к сожалению, это не работает, потому что я должен делать это каждый месяц отдельно. Поэтому мне нужен item_id через месяц в отдельном выводе. Не все месяцы в одной таблице. По этой причине у меня не работает groupby.

reallilpunch 24.12.2022 16:36

Но вы можете просто выбрать нужный столбец из таблицы results, чтобы строить каждый месяц?

Paddy Alton 24.12.2022 16:52

Я не мог понять, как именно управлять этим. Можете ли вы объяснить это мне, пожалуйста?

reallilpunch 24.12.2022 16:54

Я думаю, что в этом случае я бы посоветовал вам потратить некоторое время на учебники / онлайн-курсы Pandas; Stackoverflow — не лучшее место для изучения основ. Выбрать конкретный столбец можно разными способами, но самый простой — chosen_month = results[column_name_goes_here].

Paddy Alton 24.12.2022 17:02
Ответ принят как подходящий

Надеюсь, это работает для вашего решения. Сначала я группирую данные за месяц и item_id, затем я использую сводную таблицу, потому что я думаю, что вы хотите видеть данные по item_id, и если конкретный item_id не находится в этом месяце, он показывает 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

Большое спасибо за ваш ответ, вывод правильный, но моя проблема с этим ответом в том, что мне нужны все месяцы отдельно, а не в одном и том же выводе.

reallilpunch 24.12.2022 16:42

Я обновляю код. Вы можете использовать df.loc[:, [1]] для доступа ко всем строкам только за январь.

Muhammad Ali 24.12.2022 16:59

Другие вопросы по теме