使用数据透视表（pandas）中的小计行时保留索引部分（不同列）

我试图在数据透视表中添加小计行（使用pandas pd.pivot\u表）。这是代码

table=pd.pivot\u表（df，value=['Quantity'、'Money'、'Cost']，index=['house'、'date'、'currency'、'family name']，columns=[]，fill\u value=0，aggfunc=np.sum）

。这是相应的输出（导出到excel）：

然后，我尝试使用

house

作为参考来获取小计行。我按照此链接中所述的步骤创建了一个组，使用

tablesum=table.groupby（level='house'）.sum（）

。在我尝试连接

table

和

tablesum

数据帧之前，一切似乎都很好。这是我（为家庭A）得到的：

基本上，我只在一列（用逗号分隔）中获得了表索引中所述的四个类别（房屋、日期、货币、姓氏）。所以，即使我按房屋进行小计，我也失去了pivot\u表的分隔。所以，我的问题是：我如何保持它（在不同的列中维护pivot_表的索引）

任何帮助都将受到高度重视

问候,

---

pd：我也检查了这个链接，但这给了我另一种与字符串和数字相关的错误。

你可以使用transform在goupby之后保留原始的表布局。因此，下面可能会给出您想要的结果

table.groupby(level='house').transform("sum") 

如果这不是你想要的，请澄清

---

您可以使用

4

级别创建自定义的

多索引

，然后分配

注意：第二级

date

必须转换为字符串，因为concat也使用字符串，否则会得到：

TypeError:无法将类型“Timestamp”与类型“str”进行比较

---

---

---

你们能提供一些测试数据来说明发生了什么吗？我完全编辑了答案，请检查一下。谢谢！关于这一点，我想问你另一个问题。我为房子{'a'：10，'b'：100'}创建了一本字典。是否可以使用map将其链接到新的数据帧（df）。我正在尝试，但出现了一个错误：“关键错误屋”

df = pd.DataFrame({'house':list('aaaaabbbbb'),
                   'date':['2015-01-01'] * 3 + ['2015-01-02'] * 2 + 
                          ['2015-01-01'] * 3 +['2015-01-02'] * 2,
                   'currency':['USD'] * 3 + ['NK'] * 2 + ['USD'] * 3 +['NK'] * 2,
                   'Quantity':[1,3,5,7,1,0,7,2,3,9],
                   'Money':[5,3,6,9,2,4,7,2,3,9],
                   'Cost':[5,3,6,9,2,4,7,2,3,9],
                   'family name':list('aabbccaabb')})

print (df)
   Cost  Money  Quantity currency        date family name house
0     5      5         1      USD  2015-01-01           a     a
1     3      3         3      USD  2015-01-01           a     a
2     6      6         5      USD  2015-01-01           b     a
3     9      9         7       NK  2015-01-02           b     a
4     2      2         1       NK  2015-01-02           c     a
5     4      4         0      USD  2015-01-01           c     b
6     7      7         7      USD  2015-01-01           a     b
7     2      2         2      USD  2015-01-01           a     b
8     3      3         3       NK  2015-01-02           b     b
9     9      9         9       NK  2015-01-02           b     b

#convert only for subtotal - join with empty strings
df['date'] = df['date'].astype(str)

table = pd.pivot_table(df, values= ['Quantity', 'Money', 'Cost'], 
                       index=['house','date', 'currency', 'family name'], 
                       fill_value=0, 
                       aggfunc=np.sum)
print (table)
                                       Cost  Money  Quantity
house date       currency family name                       
a     2015-01-01 USD      a               8      8         4
                          b               6      6         5
      2015-01-02 NK       b               9      9         7
                          c               2      2         1
b     2015-01-01 USD      a               9      9         9
                          c               4      4         0
      2015-01-02 NK       b              12     12        12

tablesum = table.groupby(level='house').sum()

tablesum.index = pd.MultiIndex.from_arrays([tablesum.index.get_level_values(0)+ '_sum', 
                                            len(tablesum.index) * [''],
                                            len(tablesum.index) * [''],
                                            len(tablesum.index) * ['']])

print (tablesum)
          Cost  Money  Quantity
a_sum       25     25        17
b_sum       25     25        21

print (tablesum.index)
MultiIndex(levels=[['a_sum', 'b_sum'], [''], [''], ['']],
           labels=[[0, 1], [0, 0], [0, 0], [0, 0]])


df = pd.concat([table, tablesum]).sort_index(level=0)
print (df)
                                       Cost  Money  Quantity
house date       currency family name                       
a     2015-01-01 USD      a               8      8         4
                          b               6      6         5
      2015-01-02 NK       b               9      9         7
                          c               2      2         1
a_sum                                    25     25        17
b     2015-01-01 USD      a               9      9         9
                          c               4      4         0
      2015-01-02 NK       b              12     12        12
b_sum                                    25     25        21