koude0是用于处理多级索引的强大工具 ，使我们提高了操纵，准备和分析复杂数据集的灵活性
from pandas import MultiIndex
让我们研究如何利用MultiIndex到完全缺少的组合使用令人难以置信的优雅解决方案！
目录
- Understanding missing combinations of categories
- Creating a MultiIndex with all possible combinations of categories
- Reindexing our DataFrame to align with the MultiIndex
- Conclusion
- Additional resources
Chris Greening - Software Developer
嘿！我叫克里斯·格林宁（Chris Greening），我是来自纽约都会区的软件开发人员，具有各种各样的工程经验 - 请给我留言，让我们构建一些很棒的东西！
Christophergreening.com
了解类别的缺失组合
在数据准备方面，我们遇到的常见场景是分类数据，它跨越了我们数据集的多个级别。在使用此数据时，重要的是要了解和确定我们的类别可能包含缺失组合
一个很好的例子可以是销售数据，它涵盖了几个地理区域和 product 类别。
缺失的组合可能表明：
- 特定产品未在某个地区出售
- 或该区域产品组合的数据本身是缺少！
让我们进一步迈出一步，看看spam，Texas和California的spam和eggs销售的简单数据集 - 您能告诉哪些区域和产品的组合缺失销售数据？
region product sales
0 New York spam 9
1 New York eggs 2
2 Texas eggs 5 <- ?
3 California spam 7 <- ?
在这种情况下，Texas缺少spam销售的一行，而California缺少eggs的一行！
一些重要问题要考虑：
- 销售量为零，所以这些行被委托了吗？
- 分别在德克萨斯州或加利福尼亚州不提供这些产品？
- 这些缺失的组合将如何影响我们的分析？
并且不仅要排除这些组合，因此必须完成丢失的类别并用零（或NA）填充相关值，以使我们更完整地了解数据集
region product sales
0 New York spam 9
1 New York eggs 2
2 Texas spam 0 <- :D
3 Texas eggs 5
4 California spam 7
5 California eggs 0 <- :D
什么是多索引？
如引言中所述，MultiIndex是管理DataFrame的强大工具，该工具包含嵌套层，类别和/或分段
在上一节的销售数据示例中，我们有多个索引，可以通过以下方式对销售数据进行分类：
regionproduct
通过利用MultiIndex，我们能够将此层次结构编码为DataFrame，并获得访问优雅的工具包，以操纵，准备和分析我们的数据的不同级别
创建一个具有所有可能组合的多组合
让我们从现在早些时候将我们的spam和eggs原始销售数据存储在DataFrame中（，我们称之为 sales_df）
import pandas as pd
sales_df = pd.DataFrame({
"region": ["New York", "New York", "Texas", "California"],
"product": ["spam", "eggs", "eggs", "spam"],
"sales": [9, 2, 5, 7]
})
要创建一个包含 的 unique 值的MultiIndex 在region和product中，我们可以通过作为参数传递：
pd.MultiIndex.from_product方法：
- a 列表的列表包含每个 unique
regionand 在我们的数据集中 uniqueproduct - 和字符串列表包含我们列的
names
unique_categories = [
sales_df['region'].unique(),
sales_df['product'].unique()
]
names = ["region", "product"]
multiindex = pd.MultiIndex.from_product(
unique_categories,
names=names
)
>>> print(multiindex)
MultiIndex([( 'New York', 'spam'),
( 'New York', 'eggs'),
( 'Texas', 'spam'), <- wow!
( 'Texas', 'eggs'),
('California', 'spam'),
('California', 'eggs')], <- great!
names=['region', 'product'])
检查一下！通过将我们独特类别的交叉产品 ，MultiIndex继续前进，并为我们创建了region和product的所有可能组合
感谢MultiIndex，您是最好的！
重新索引我们的数据框以与MultiIndexex 保持一致
和大结局！我们将reindex我们的DataFrame与我们的MultiIndex 一致完成缺失的组合和在此过程中用零>填充它们！
为此，我们将：
-
set our koude14's index在列
region和product上使用我们的names列表 -
reindex我们的
DataFrame使用我们的multiindex并用零>填充丢失值 - 和reset the index删除编码的层次结构
sales_df = (
sales_df
.set_index(names)
.reindex(multiindex, fill_value = 0)
.reset_index()
)
>>> print(sales_df)
region product sales
0 New York spam 9
1 New York eggs 2
2 Texas spam 0 <- yay!
3 Texas eggs 5
4 California spam 7
5 California eggs 0 <- fantastic!
结论
这样，我们已经了解了如何使用pandas.MultiIndex用令人难以置信的优雅解决方案来完成缺失的组合
虽然我们的产品区域示例是微不足道的，但这将 scale 任意分类量（包括时间序列，即，即日期，几周，几个月！）
所以走出去完成那些缺少的组合，我相信你！
如果您想更进一步，并且练习使用示例代码和数据，我将完整的工作示例供您在GitHub上进行探索！
非常感谢您的阅读，如果您喜欢我的内容，请务必在社交媒体或我的personal websiteð上查看我的其他一些作品或 Connect
Chris Greening - Software Developer
嘿！我叫克里斯·格林宁（Chris Greening），我是来自纽约都会区的软件开发人员，具有各种各样的工程经验 - 请给我留言，让我们构建一些很棒的东西！
Christophergreening.com
欢呼！