使用PANDAS中的value_counts（）零次出现/频率
问题内容：
我有一个表格，其中包含日期和每个日期售出的各种汽车，格式如下（这些仅是许多列中的2个）：
DATE CAR
2012/01/01 BMW
2012/01/01 Mercedes Benz
2012/01/01 BMW
2012/01/02 Volvo
2012/01/02 BMW
2012/01/03 Mercedes Benz
...
2012/09/01 BMW
2012/09/02 Volvo
我执行以下操作来查找每天售出的宝马汽车数量
df[df.CAR=='BMW']['DATE'].value_counts()
结果是这样的：
2012/07/04 15
2012/07/08 8
...
2012/01/02 1
但是有几天没有宝马汽车售出。结果，除了上述内容之外，我还希望BMW零发生的日子。因此，理想的结果是：
2012/07/04 15
2012/07/08 8
...
2012/01/02 1
2012/01/09 0
2012/08/11 0
我该怎么做才能获得这样的结果？
问题答案：
您可以在之后重新索引结果，value_counts并用0填充缺失的值。
df.loc[df.CAR == 'BMW', 'DATE'].value_counts().reindex(
df.DATE.unique(), fill_value=0)
输出：
2012/01/01 2
2012/01/02 1
2012/01/03 0
2012/09/01 1
2012/09/02 0
Name: DATE, dtype: int64
取而代之的是，value_counts您还可以考虑检查相等性和总和，并按日期分组，其中包括所有日期。
df['CAR'].eq('BMW').astype(int).groupby(df['DATE']).sum()
输出：
DATE
2012/01/01 2
2012/01/02 1
2012/01/03 0
2012/09/01 1
2012/09/02 0
Name: CAR, dtype: int32
