Les Pandas tableaux croisés dynamiques sous-totaux de ligne

Je suis en utilisant les Pandas 0.10.1 l'a

Considérant ce Dataframe:

Date       State   City    SalesToday  SalesMTD  SalesYTD
20130320     stA    ctA            20       400      1000
20130320     stA    ctB            30       500      1100
20130320     stB    ctC            10       500       900
20130320     stB    ctD            40       200      1300
20130320     stC    ctF            30       300       800

Comment puis-je sous-totaux de groupe par l'état?

State   City  SalesToday  SalesMTD  SalesYTD
  stA    ALL          50       900      2100
  stA    ctA          20       400      1000
  stA    ctB          30       500      1100

J'ai essayé avec un tableau croisé dynamique, mais je ne peut avoir des sous-totaux dans les colonnes

table = pivot_table(df, values=['SalesToday', 'SalesMTD','SalesYTD'],\
                     rows=['State','City'], aggfunc=np.sum, margins=True)

Je peux l'obtenir sur excel, avec un tableau croisé dynamique.

InformationsquelleAutor balsagoth | 2013-03-22

Si vous mettez de l'État et de la Ville, à la fois dans les lignes, vous aurez séparé les marges. Remodeler et vous obtenez la table que vous êtes après:

In [10]: table = pivot_table(df, values=['SalesToday', 'SalesMTD','SalesYTD'],\
                     rows=['State'], cols=['City'], aggfunc=np.sum, margins=True)


In [11]: table.stack('City')
Out[11]: 
            SalesMTD  SalesToday  SalesYTD
State City                                
stA   All        900          50      2100
      ctA        400          20      1000
      ctB        500          30      1100
stB   All        700          50      2200
      ctC        500          10       900
      ctD        200          40      1300
stC   All        300          30       800
      ctF        300          30       800
All   All       1900         130      5100
      ctA        400          20      1000
      ctB        500          30      1100
      ctC        500          10       900
      ctD        200          40      1300
      ctF        300          30       800

J'avoue que ce n'est pas tout à fait évident.

cela fonctionne si nous avons des valeurs=, si les colonnes sont créées à partir de colonnes=..., il y a seulement un "Tout" de la colonne.
Pour la version 0.25.1 de pandas, rows n'est pas un paramètre. - Je spécifier un 3 index de colonne, mais en sortie renvoie grand total seulement et non pas les sous-totaux des colonnes indexées.

InformationsquelleAutor Wes McKinney

Vous pouvez obtenir le résumé des valeurs à l'aide de groupby() sur l'État de la colonne.

Permet de faire quelques données de l'échantillon de première:

import pandas as pd
import StringIO

incsv = StringIO.StringIO("""Date,State,City,SalesToday,SalesMTD,SalesYTD
20130320,stA,ctA,20,400,1000
20130320,stA,ctB,30,500,1100
20130320,stB,ctC,10,500,900
20130320,stB,ctD,40,200,1300
20130320,stC,ctF,30,300,800""")

df = pd.read_csv(incsv, index_col=['Date'], parse_dates=True)

Puis appliquer le groupby fonction et ajouter une colonne Ville:

dfsum = df.groupby('State', as_index=False).sum()
dfsum['City'] = 'All'

print dfsum

  State  SalesToday  SalesMTD  SalesYTD City
0   stA          50       900      2100  All
1   stB          50       700      2200  All
2   stC          30       300       800  All

Nous pouvons ajouter les données d'origine pour un résumé de la df en utilisant append:

dfsum.append(df).set_index(['State','City']).sort_index()

print dfsum

            SalesMTD  SalesToday  SalesYTD
State City                                
stA   All        900          50      2100
      ctA        400          20      1000
      ctB        500          30      1100
stB   All        700          50      2200
      ctC        500          10       900
      ctD        200          40      1300
stC   All        300          30       800
      ctF        300          30       800

J'ai ajouté le set_index et sort_index pour le faire paraître plus comme votre exemple de sortie, ce n'est pas strictement nécessaire pour obtenir les résultats.

Une autre alternative fonction concat() qui me permet d'avoir plus de contrôle sur l'index en réglant le paramètre ignore_index. pd.concat([x, y], ignore_index=True). Cet article alse mentionne que la méthode concat() est plus efficace en comparaison avec des pandas.append().

InformationsquelleAutor Rutger Kassies

6

Je Pense que cette sous-total code d'exemple est ce que vous voulez(similaire à excel sous-total)

Je suppose que vous voulez de groupe par des colonnes A, B, C, D, que de compter la valeur de la colonne de E
```
main_df.groupby(['A', 'B', 'C']).apply(lambda sub_df: sub_df\
       .pivot_table(index=['D'], values=['E'], aggfunc='count', margins=True)
```
de sortie:
```
A B C  D  E
       a  1 
a a a  b  2
       c  2
     all  5
       a  3 
b b a  b  2
       c  2
     all  7
       a  3 
b b b  b  6
       c  2
       d  3
     all 14
```
- Juste au cas où quelqu'un arrive et essaie de sortir, mais omet le margins=True paramètre: il est nécessaire pour obtenir les lignes avec all ajouté.
- dans votre exemple, est-il un moyen d'inclure un grand total?
- ce n'est pas ma réponse, j'ai seulement aidé à modifier. Mais selon pivot_table cahier des charges, vous pouvez obtenir des sous-totaux de ligne et de colonne des totaux généraux.
- Je suis en train arrive pas à le faire et regarder les autres SE poteaux tous les matins. Mon fils est ici stackoverflow.com/questions/53266032/...
InformationsquelleAutor hs moon

Comment à ce sujet ?

table = pd.pivot_table(data, index=['State'],columns = ['City'],values=['SalesToday', 'SalesMTD','SalesYTD'],\
                      aggfunc=np.sum, margins=True)

Les Pandas tableaux croisés dynamiques sous-totaux de ligne

InformationsquelleAutor Richard Mao

Vous devez vous connecter pour publier un commentaire.