Python Pandas Dataframe Zuordnung

Question

Ich verfolge ein Lynda Tutorial, in dem sie den folgenden Code verwenden:

import pandas as pd 
import seaborn 
flights = seaborn.load_dataset('flights') 
flights_indexed = flights.set_index(['year','month']) 
flights_unstacked = flights_indexed.unstack() 
flights_unstacked['passengers','total'] = flights_unstacked.sum(axis=1) 

und es funktioniert perfekt. In meinem Fall scheint es jedoch, dass der Code nicht kompiliert wird, für die letzte Zeile bekomme ich immer einen Fehler.

TypeError: cannot insert an item into a CategoricalIndex that is not already an existing category

Ich weiß im Video sie Python 2 verwenden, jedoch habe ich Python 3, da ich für die Arbeit am Lernen (der Python verwendet 3). Die meisten der Unterschiede, die ich herausgefunden habe, aber ich kann nicht herausfinden, wie man diese neue Spalte namens 'total' mit den Summen der Passagiere erstellt.

Answer 1

Die Ursache für diese Fehlermeldung ist die kategorische Art der month Säule:

In [42]: flights.dtypes 
Out[42]: 
year    int64 
month   category 
passengers  int64 
dtype: object 

In [43]: flights.month.cat.categories 
Out[43]: Index(['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December'], d 
type='object') 

und Sie versuchen, eine Kategorie total hinzufügen - Pandas nicht so.

Umgehung:

In [45]: flights.month.cat.add_categories('total', inplace=True) 

In [46]: x = flights.pivot(index='year', columns='month', values='passengers') 

In [47]: x['total'] = x.sum(1) 

In [48]: x 
Out[48]: 
month January February March April May June July August September October November December total 
year 
1949  112.0  118.0 132.0 129.0 121.0 135.0 148.0 148.0  136.0 119.0  104.0  118.0 1520.0 
1950  115.0  126.0 141.0 135.0 125.0 149.0 170.0 170.0  158.0 133.0  114.0  140.0 1676.0 
1951  145.0  150.0 178.0 163.0 172.0 178.0 199.0 199.0  184.0 162.0  146.0  166.0 2042.0 
1952  171.0  180.0 193.0 181.0 183.0 218.0 230.0 242.0  209.0 191.0  172.0  194.0 2364.0 
1953  196.0  196.0 236.0 235.0 229.0 243.0 264.0 272.0  237.0 211.0  180.0  201.0 2700.0 
1954  204.0  188.0 235.0 227.0 234.0 264.0 302.0 293.0  259.0 229.0  203.0  229.0 2867.0 
1955  242.0  233.0 267.0 269.0 270.0 315.0 364.0 347.0  312.0 274.0  237.0  278.0 3408.0 
1956  284.0  277.0 317.0 313.0 318.0 374.0 413.0 405.0  355.0 306.0  271.0  306.0 3939.0 
1957  315.0  301.0 356.0 348.0 355.0 422.0 465.0 467.0  404.0 347.0  305.0  336.0 4421.0 
1958  340.0  318.0 362.0 348.0 363.0 435.0 491.0 505.0  404.0 359.0  310.0  337.0 4572.0 
1959  360.0  342.0 406.0 396.0 420.0 472.0 548.0 559.0  463.0 407.0  362.0  405.0 5140.0 
1960  417.0  391.0 419.0 461.0 472.0 535.0 622.0 606.0  508.0 461.0  390.0  432.0 5714.0 

UPDATE: alternativ, wenn Sie das Original DF berühren wollen Sie nicht in der flights_unstacked DF los kategorische Spalten bekommen kann:

In [76]: flights_unstacked.columns = \ 
    ...:  flights_unstacked.columns \ 
    ...:  .set_levels(flights_unstacked.columns.get_level_values(1).categories, 
    ...:     level=1) 
    ...: 

In [77]: flights_unstacked['passengers','total'] = flights_unstacked.sum(axis=1) 

In [78]: flights_unstacked 
Out[78]: 
     passengers 
month January February March April May June July August September October November December total 
year 
1949   112  118 132 129 121 135 148 148  136  119  104  118 1520 
1950   115  126 141 135 125 149 170 170  158  133  114  140 1676 
1951   145  150 178 163 172 178 199 199  184  162  146  166 2042 
1952   171  180 193 181 183 218 230 242  209  191  172  194 2364 
1953   196  196 236 235 229 243 264 272  237  211  180  201 2700 
1954   204  188 235 227 234 264 302 293  259  229  203  229 2867 
1955   242  233 267 269 270 315 364 347  312  274  237  278 3408 
1956   284  277 317 313 318 374 413 405  355  306  271  306 3939 
1957   315  301 356 348 355 422 465 467  404  347  305  336 4421 
1958   340  318 362 348 363 435 491 505  404  359  310  337 4572 
1959   360  342 406 396 420 472 548 559  463  407  362  405 5140 
1960   417  391 419 461 472 535 622 606  508  461  390  432 5714