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)。这是代码使用数据透视表(pandas)中的小计行时保留索引部分(不同列),pandas,pivot-table,pandas-groupby,subtotal,Pandas,Pivot Table,Pandas Groupby,Subtotal,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,
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