在熊猫的分类变量上使用groupby删除未使用的类别

Question

根据“ 分类数据-操作”，默认情况下groupby将显示“未使用”类别：

In [118]: cats = pd.Categorical(["a","b","b","b","c","c","c"], categories=["a","b","c","d"])

In [119]: df = pd.DataFrame({"cats":cats,"values":[1,2,2,2,3,4,5]})

In [120]: df.groupby("cats").mean()
Out[120]: 
      values
cats        
a        1.0
b        2.0
c        4.0
d        NaN

如何删除“未使用”类别的结果？例如

  values
cats        
a        1.0
b        2.0
c        4.0

Answer 1

选项1
remove_unused_categories

df.groupby(df.cats.cat.remove_unused_categories()).mean()

      values
cats        
a          1
b          2
c          4

您也可以先进行分配，然后groupby-

df.assign(cats=df.cats.cat.remove_unused_categories()).groupby('cats').mean()

要么，

df['cats'] = df.cats.cat.remove_unused_categories()
df.groupby('cats').mean()

      values
cats        
a          1
b          2
c          4

选择2
astype至str转换-

df.groupby(df.cats.astype(str)).mean()

      values
cats        
a          1
b          2
c          4

Answer 2

从 0.23 版开始，您可以observed=True在groupby调用中指定以实现所需的行为。

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.groupby.html