主页 / 问题 / 1590161
Accepted
vagiinalover
Asked:2024-08-10 05:46:14 +0000 UTC2024-08-10 05:46:14 +0000 UTC

熊猫。包含文本和数字字段值的数据透视表

  • 772

大家好！请帮忙。我有这个数据框：

df = pd.DataFrame({
    'sku_sellout': ['a', 'a', 'b', 'c', 'a'],
    'labels': ['менее 100%', '100-200%', 'более 200%', 'более 200%', 'менее 100%'],
    'price': [100, 200, 300, 1000, 100],
    'ranges': ['0-100', '100-200', '200-300', '900-1000', '0-100'],
    'rur_extr': [1, 2, 3, 4, 1],
    'qnt_extr': [10, 20, 30, 40, 15]
})
sku_售完 标签 价格 范围 鲁尔外部 qnt_extr
一个 低于100% 100 0-100 1 10
一个 100-200% 200 100-200 2 20
乙 超过200% 300 200-300 3 30
c 超过200% 1000 900-1000 4 40
一个 低于100% 100 0-100 1 15

我需要从中得到这个：

df2 = pd.DataFrame({
    'sku_sellout': ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],
    'metrics':['ranges', 'rur_extr','qnt_extr','ranges', 'rur_extr','qnt_extr','ranges', 'rur_extr','qnt_extr'],
    'менее 100%': ['0-100',2,25,None,None,None,None,None,None],
    '100-200%': ['100-200%',2,20,None,None,None,None,None,None],
    'более 200%': [None,None,None,'200-300',3,30,'900-1000',4,40]
})
sku_售完 指标 低于100% 100-200% 超过200%
一个 范围 0-100 100-200% 没有任何
一个 鲁尔外部 2 2 没有任何
一个 qnt_extr 25 20 没有任何
乙 范围 没有任何 没有任何 200-300
乙 鲁尔外部 没有任何 没有任何 3
乙 qnt_extr 没有任何 没有任何 30
c 范围 没有任何 没有任何 900-1000
c 鲁尔外部 没有任何 没有任何 4
c qnt_extr 没有任何 没有任何 40

那些。本质如下 - 行中有测量 sku_sellout 和指标（ranges、rur_extr、qnt_extr），列中有标签的值。十字路口处有：

  1. 如果是rur_extr或qnt_extr，则对应字段的和。
  2. 如果这是范围，则为此 sku_sellout 和标签找到的第一个值 (aggfunc='first') - 它将始终相同。

我通过melt 和pivot_table 完成了此操作，但无法将条件逻辑应用于该列：应用“first”或“sum”。

pandas

1 个回答

  1. Best Answer

    看来分成两个总结然后合并起来会更容易

    # Разворачиваем
temp = df.melt(
    id_vars=['sku_sellout', 'labels'],
    value_vars=['ranges', 'rur_extr', 'qnt_extr'],
    var_name='metrics')

# Сводная для суммируемых столбцов
extr = temp[
    temp['metrics'].isin(['rur_extr', 'qnt_extr'])].pivot_table(
    index=['sku_sellout', 'metrics'],
    columns='labels',
    values='value',
    aggfunc='sum')

# Сводная для столбцов с первым значением
ranges = temp[
    temp['metrics'] == 'ranges'].pivot_table(
    index=['sku_sellout', 'metrics'],
    columns='labels',
    values='value',
    aggfunc='first')

# Соединяем и преобразовываем
final_df = (pd.concat([extr, ranges])
            .sort_values(by=['sku_sellout', 'metrics'])
            .reset_index()
            .rename_axis(None, axis=1)
            )[['sku_sellout', 'metrics', 'менее 100%', '100-200%', 'более 200%']]

    结论：

    print(final_df)

  sku_sellout   metrics менее 100% 100-200% более 200%
0           a  qnt_extr       25.0     20.0        NaN
1           a    ranges      0-100  100-200        NaN
2           a  rur_extr        2.0      2.0        NaN
3           b  qnt_extr        NaN      NaN       30.0
4           b    ranges        NaN      NaN    200-300
5           b  rur_extr        NaN      NaN        3.0
6           c  qnt_extr        NaN      NaN       40.0
7           c    ranges        NaN      NaN   900-1000
8           c  rur_extr        NaN      NaN        4.0
    • 2

相关问题