我正在尝试这样做，但是在更大的数据帧(称为Clean)上：d={‘rx’: [1,1,1,1,2.1,2.1,2.1,2.1],
‘vals’: [NaN,10,10,20,NaN,10,20,20]}
df=DataFrame(d)
arrays = [df.rx,df.vals]
index = pd.MultiIndex.from_arrays(arrays, names = [‘rx’,’vals’])
df.index = index
Hist=df.groupby(level=(‘rx’,’vals’))
Hist.count(‘vals’)
这似乎工作得很好，但当我在Clean dataframe的一个子集上运行相同的概念(用列”LagBin”代替”vals”)时，我会得到一个错误：
^{pr2}$
具体来说历史计数(‘LagBin’)产生值错误：ValueError: Cannot convert NA to integer
我看了一下数据结构，一切看起来都是一样的。在
以下是产生错误的数据：rx LagBin rx LagBin
139.1 nan 139.1
139.1 0 139.1 0
139.1 0 139.1 0
139.1 0 139.1 0
141.1 nan 141.1
141.1 10 141.1 10
141.1 20 141.1 20
193 nan 193
193 50 193 50
193 20 193 20
193 3600 193 3600
193 50 193 50
193 0 193 0
193 20 193 20
193 10 193 10
193 110 193 110
193 80 193 80
193 460 193 460
193 30 193 30
193 0 193 0
而最初的工作程序会产生以下结果：rx vals rx vals
1 nan 1
1 10 1 10
1 10 1 10
1 20 1 20
2.1 nan 2.1
2.1 10 2.1 10
2.1 20 2.1 20
2.1 20 2.1 20
这些产生此错误的数据集有什么不同？在
Original: https://blog.csdn.net/weixin_34007888/article/details/114456860
Author: 天盗盗
Title: python统计缺失值数据_计算pandas datafram中缺失值的分组数据
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/742900/
转载文章受原作者版权保护。转载请注明原作者出处！