Python 尝试使用pandas和numpy创建透视表

我使用以下方法尝试获取一个数据透视表，该数据透视表将数量乘以有效价格，并按产品名称对其进行分组：

df\u排序的.pivot\u表（值=['Quantity'，'EffectivePrice']，索引=['ProductName']，aggfunc=np.multiply）

这是堆栈跟踪-不确定为什么这不起作用

ValueError                                Traceback (most recent call last)
/usr/local/lib/python3.9/site-packages/pandas/core/groupby/generic.py in aggregate(self, func, engine, engine_kwargs, *args, **kwargs)
    970                 try:
--> 971                     result = self._aggregate_multiple_funcs([func], _axis=self.axis)
    972 

/usr/local/lib/python3.9/site-packages/pandas/core/base.py in _aggregate_multiple_funcs(self, arg, _axis)
    544         if not len(results):
--> 545             raise ValueError("no results")
    546 

ValueError: no results

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
<ipython-input-35-f616d7b46a13> in <module>
----> 1 df_sorted.pivot_table(values=['Quantity', 'EffectivePrice'], index=['ProductName'], aggfunc=np.multiply )

/usr/local/lib/python3.9/site-packages/pandas/core/frame.py in pivot_table(self, values, index, columns, aggfunc, fill_value, margins, dropna, margins_name, observed)
   6824         from pandas.core.reshape.pivot import pivot_table
   6825 
-> 6826         return pivot_table(
   6827             self,
   6828             values=values,

/usr/local/lib/python3.9/site-packages/pandas/core/reshape/pivot.py in pivot_table(data, values, index, columns, aggfunc, fill_value, margins, dropna, margins_name, observed)
    110 
    111     grouped = data.groupby(keys, observed=observed)
--> 112     agged = grouped.agg(aggfunc)
    113     if dropna and isinstance(agged, ABCDataFrame) and len(agged.columns):
    114         agged = agged.dropna(how="all")

/usr/local/lib/python3.9/site-packages/pandas/core/groupby/generic.py in aggregate(self, func, engine, engine_kwargs, *args, **kwargs)
    981                         # raised directly by _aggregate_multiple_funcs
    982                         raise
--> 983                     result = self._aggregate_frame(func)
    984                 except AttributeError:
    985                     # catch exception from line 969

/usr/local/lib/python3.9/site-packages/pandas/core/groupby/generic.py in _aggregate_frame(self, func, *args, **kwargs)
   1173         if axis != obj._info_axis_number:
   1174             for name, data in self:
-> 1175                 fres = func(data, *args, **kwargs)
   1176                 result[name] = fres
   1177         else:

ValueError: invalid number of arguments```

ValueError回溯（最近一次调用）
/聚合usr/local/lib/python3.9/site-packages/pandas/core/groupby/generic.py（self、func、engine、engine_-kwargs、*args、**kwargs）
970尝试：
-->971结果=self.\u聚合\u多个\u函数（[func]，\u轴=self.axis）
972
/usr/local/lib/python3.9/site-packages/pandas/core/base.py in\u aggregate\u multiple\u funcs（self、arg、axis）
544如果不是len（结果）：
-->545提高值错误（“无结果”）
546
ValueError：没有结果
在处理上述异常期间，发生了另一个异常：
ValueError回溯（最近一次调用上次）
在里面
---->1个df_排序的.pivot_表（值=['Quantity'，'EffectivePrice']，索引=['ProductName']，aggfunc=np.multiply）
/pivot_表中的usr/local/lib/python3.9/site-packages/pandas/core/frame.py（self、value、index、columns、aggfunc、fill_value、margins、dropna、margins_name、observed）
6824从pandas.core.reforme.pivot导入pivot_表
6825
->6826回转台(
6827自我，
6828值=值，
/pivot_表中的usr/local/lib/python3.9/site-packages/pandas/core/reforme/pivot.py（数据、值、索引、列、aggfunc、填充值、边距、dropna、边距_名称、观察值）
110
111 grouped=data.groupby（键，观察到的=观察到的）
-->112 agged=grouped.agg（aggfunc）
113如果dropna和isinstance（聚集，ABCDATA帧）和len（聚集列）：
114 agged=agged.dropna（how=“all”）
/聚合usr/local/lib/python3.9/site-packages/pandas/core/groupby/generic.py（self、func、engine、engine_-kwargs、*args、**kwargs）
981#由_聚合_多重函数直接引发
982提高
-->983结果=自聚集帧（func）
984除属性错误外：
985#从第969行捕获异常
/usr/local/lib/python3.9/site-packages/pandas/core/groupby/generic.py在聚合框架中（self、func、*args、**kwargs）
1173如果轴！=对象信息轴编号：
1174用于名称，数据在self中：
->1175 fres=func（数据，*args，**kwargs）
1176结果[名称]=fres
1177其他：
ValueError:参数数无效```

我的理解是，您不能在透视表中应用多列操作。可能使用

groupby+transform

可以。根据解释，我建议使用此代码（我不确定预期结果是否符合您的要求）：

对于此示例数据帧：

   Quantity  EffectivePrice ProductName
0         1              12           A
1         1              13           B
2         2              14           A

输出如下：

ProductName
A    40
B    13

---

你能发布一个样本数据集吗？

ProductName
A    40
B    13