如果我有这样的数据框
df = pd.DataFrame({'labels': ['A', 'B', 'C'], 'moreLabels': ['D','E','F'],
'numbers': [1,2,3] })
我想找出“moreLabels”的所有可能值,有没有一种简单的方法可以做到这一点?我正在旋转并列出数据透视表的列,如下所示:
pivot = df.pivot_table(values = 'numbers', index = 'labels',
columns = 'moreLabels'
list(pivot.columns)
,但这需要几个步骤,我希望有一个整洁的方法来做到这一点,比如
dataframe[column].levels()
最佳答案
R 的 levels()
函数将列出变量的所有可能值,即使这些值不在数据框中。 Pandas 不会以这种方式行事。
> df <- data.table(moreLabels = c('D', 'E', 'F'), numbers = c(1, 2, 3))
> df[, moreLabels := as.factor(moreLabels)]
> df[, levels(moreLabels)]
[1] "D" "E" "F"
> df[numbers > 1, ] # if we subset, we only see values "E" and "F"
moreLabels numbers
1: E 2
2: F 3
> df[numbers > 1, levels(moreLabels)]
[1] "D" "E" "F" # even though we would expect only "E" and "F"
如果您要查找列中出现的唯一值,请使用 pd.Series.unique()功能。
>>> df['moreLabels'].unique()
['D', 'E', 'F']
关于python - 从 R 到 Python 的转换 : Where did my levels go?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48602903/