Python Pandas\u Pivot表-通过合并列的划分生成附加列

我正在尝试运行以下函数

def make_europe_view(data):

    data['% Rev'] = data.GrossRevenue_GBP/data.GrossRevenue_GBP.sum()

    tmean = lambda x :stats.trim_mean(x, 0.1)

    pivot = pd.pivot_table(data[(data['New_category_ID'] != 0)&(data['YYYY'] == 2016)], 
                                index = 'New_category',  
                                values=['GrossRevenue_GBP','MOVC_GBP','PM_GBP', '% Rev'],
                                aggfunc= {'MOVC_GBP':tmean,'PM_GBP':tmean,'GrossRevenue_GBP':[np.sum,tmean],'% Rev':np.sum })



    pivot['% PM'] = pivot['PM_GBP']/pivot[('GrossRevenue_GBP')]['<lambda>']
    #pivot['% MOVC'] = pivot['MOVC_GBP']/Tmean_GR
    pivot['Country'] = 'EU'
    pivot['product_cat'] = pivot.index

    #pivot = pivot[['product_cat', '% Rev', 'GrossRevenue_GBP', 'MOVC_GBP', 'PM_GBP', '% PM', '% MOVC', 'Country']]

    return pivot

我真的很感激你能帮我

运行

list（）

时透视的列名：

[（'grossrene_-GBP'，''）（'grossrene_-GBP'，''，（'Rev'，'sum'），（'MOVC_-GBP'，''，''，（'PM_-GBP'，''，''，''，（'Country'，''，''）（'product_-cat'，''）

您可以对列中的

多索引中的选择值使用元组：

tups = [('GrossRevenue_GBP', '<lambda>'),  ('GrossRevenue_GBP', 'sum'),  ('% Rev', 'sum'),  ('MOVC_GBP', '<lambda>'),  ('PM_GBP', '<lambda>'),  ('Country', ''),  ('product_cat', '')]
idx = list('ab')
cols = pd.MultiIndex.from_tuples(tups)
pivot = pd.DataFrame([[7,4,5,8,4,5,1],
                   [1,5,7,3,9,6,7]], columns=cols, index=idx)
print (pivot)
  GrossRevenue_GBP     % Rev MOVC_GBP   PM_GBP Country product_cat
          <lambda> sum   sum <lambda> <lambda>                    
a                7   4     5        8        4       5           1
b                1   5     7        3        9       6           7

pd.pivot\u table（…）
之后的示例数据（
pivot
）是什么？@jezrael-我在上面添加了，写入excel文件时输出pivot（数字已清理）对不起，现在我有时间回答了。请检查一下。这是一种更优雅的方式，非常感谢您的帮助！很高兴你能帮忙！周末愉快！奇怪。。在运行代码时，我遇到以下错误：AttributeError:'numpy.ndarray'对象没有属性'str'。我已经解决了这个问题-我必须在映射之前移动一段代码，这已经修复了它。谢谢你的耐心。我知道，我现在在线，我试着回答你的评论
ValueError: Wrong number of items passed 25, placement implies 1

[('GrossRevenue_GBP', '<lambda>'),  ('GrossRevenue_GBP', 'sum'),  ('% Rev', 'sum'),  ('MOVC_GBP', '<lambda>'),  ('PM_GBP', '<lambda>'),  ('Country', ''),  ('product_cat', '')]

tups = [('GrossRevenue_GBP', '<lambda>'),  ('GrossRevenue_GBP', 'sum'),  ('% Rev', 'sum'),  ('MOVC_GBP', '<lambda>'),  ('PM_GBP', '<lambda>'),  ('Country', ''),  ('product_cat', '')]
idx = list('ab')
cols = pd.MultiIndex.from_tuples(tups)
pivot = pd.DataFrame([[7,4,5,8,4,5,1],
                   [1,5,7,3,9,6,7]], columns=cols, index=idx)
print (pivot)
  GrossRevenue_GBP     % Rev MOVC_GBP   PM_GBP Country product_cat
          <lambda> sum   sum <lambda> <lambda>                    
a                7   4     5        8        4       5           1
b                1   5     7        3        9       6           7

pivot['% PM'] = pivot[('PM_GBP','<lambda>')]/pivot[('GrossRevenue_GBP','<lambda>')]
print (pivot)
  GrossRevenue_GBP     % Rev MOVC_GBP   PM_GBP Country product_cat      % PM
          <lambda> sum   sum <lambda> <lambda>                              
a                7   4     5        8        4       5           1  0.571429
b                1   5     7        3        9       6           7  9.000000

#rename columns by dict
pivot = pivot.rename(columns={'<lambda>':'tmean'})
#remove multiindex
pivot.columns = pivot.columns.map('_'.join).str.strip('_')

#simply divide
pivot['% PM'] = pivot['PM_GBP_tmean']/pivot['GrossRevenue_GBP_tmean']
print (pivot)
   GrossRevenue_GBP_tmean  GrossRevenue_GBP_sum  % Rev_sum  MOVC_GBP_tmean  \
a                       7                     4          5               8   
b                       1                     5          7               3   

   PM_GBP_tmean  Country  product_cat      % PM  
a             4        5            1  0.571429  
b             9        6            7  9.000000