目標：獲取 df 的每一列和每個客戶的缺失值百分比我的 df 是關于創建的票證： id type ... priority Client0 56 113 Incident ... Low client11 56 267 Demande ... High client12 56 294 Incident ... Nan NaN3 56 197 Demande ... Low client34 56 143 Demande ... Nan client4第一次嘗試 ：df.notna().sum()/len(agg_global)*100Out[29]: id 97.053453 type 76.415869 priority 82.626625 client 84.596443 這非常有用，但我想在我的輸出中添加更多詳細信息，在列中使用“客戶端”維度，如下所示：我想創建的輸出： Client1 Client2 Client3 NaNid 100.000000 100.000000 100.000000 66.990424type 76.415869 66.990424 76.415869 43.761970status 100.000000 100.000000 66.990424 76.415869category 66.990424 43.761970 76.415869 43.761970entity 43.761970 100.000000 76.415869 76.415869source_demande 84.596443 100.000000 76.415869 43.761970我嘗試使用“groupby”但無法獲得所需的輸出...： id type ... priority Clientclient ... True 97.053453 76.415869 ... 29.98632 29.98632任何建議將被認真考慮。感謝您的關注 ！
2 回答
一只斗牛犬
TA貢獻1784條經驗 獲得超2個贊
您可以刪除Client不測試缺失值百分比的列，通過 測試它們，用 replace sDataFrame.isna聚合平均值以避免丟失它們，最后轉置通過：ClientNaNDataFrame.T
print (df)
? ? ? ?id? ? ? type priority? ?Client
0? ? ?NaN? Incident? ? ? Low? client1
1? ? ?NaN? ? ? ?NaN? ? ?High? client1
2? 56 294? Incident? ? ? Nan? ? ? NaN
3? 56 197? ? ? ?NaN? ? ? Low? client3
4? ? ?NaN? ?Demande? ? ? NaN? client4
df = (df.drop('Client', 1)
? ? ? ? .isna()
? ? ? ? .groupby(df['Client'].fillna('NaN'))
? ? ? ? .mean()
? ? ? ? .rename_axis(None)
? ? ? ? .T)
print (df)
? ? ? ? ? NaN? client1? client3? client4
id? ? ? ? 0.0? ? ? 1.0? ? ? 0.0? ? ? 1.0
type? ? ? 0.0? ? ? 0.5? ? ? 1.0? ? ? 0.0
priority? 0.0? ? ? 0.0? ? ? 0.0? ? ? 1.0
添加回答
舉報
0/150
提交
取消