我有以下df，
code post_date inv_date year_month
750 2017-12-11 2017-11-29 201711
750 2017-12-12 2017-11-30 201711
750 2017-12-13 2017-12-01 201712
750 2017-12-14 2017-12-02 201712
750 2017-12-15 2017-12-03 201712
760 2017-12-16 2017-12-04 201711
760 2017-12-05 2017-12-05 201711
760 2017-12-28 2017-12-16 201711
760 2017-12-29 2017-12-17 201712
760 2017-12-30 2017-12-18 201712
首先，我groupby code和year_month，
df_grp_by = df.groupby(['code', 'year_month'])
然后计算每个组中post_date-inv_date的平均天数，
df_avg_proc_days = df_grp_by.apply(lambda row: (row['post_date'] -row['inv_date']).dt.days).mean(level=[0, 1]).reset_index(name='avg_days')
我喜欢从上方派生一个新的df，如下所示，
0 1 2 3
0 -1 0 201711 201712
1 0 10.8 9.6 12
2 750 12 12 12
3 760 9.6 8 12
-1是用于维持矩阵形状的伪值； 0代表“所有”值，该值是code或year_month或code和year_month的平均值，例如(1,1)中所有行的单元格post_date - inv_date平均df； (1,2)在post_date - inv_date中具有201711的所有行中，对year_month的{{1}}进行平均。
我尝试了以下代码来生成矩阵，
df但这会生成
def convert_to_matrix(df, p_tab_idx, p_tab_cols, p_tab_vals, p_tab_agg_func, fill_na=-1):
df_tab = (df.pivot_table(index=p_tab_idx,
columns=p_tab_cols,
values=p_tab_vals,
margins=True,
aggfunc=p_tab_agg_func,
fill_value=fill_na,
margins_name='0'))
# change order of index and columns values for reindex
idx = df_tab.index[-1:].tolist() + df_tab.index[:-1].tolist()
cols = df_tab.columns[-1:].tolist() + df_tab.columns[:-1].tolist()
df_tab = (df_tab.reindex(index=idx, columns=cols)
.reset_index()
.rename(columns={p_tab_idx: -1})
.rename_axis(None, 1))
# add columns to first row
df_tab = df_tab.columns.to_frame().T.append(df_tab).reset_index(drop=True)
# reset columns names to range
df_tab.columns = range(len(df_tab.columns))
# converts column labels from int to str
df_tab.columns = df_tab.columns.astype(str)
return df_tab
df_p_tab = convert_to_matrix(df_avg_proc_days,
p_tab_idx='code',
p_tab_cols='year_month',
p_tab_vals='avg_days',
p_tab_agg_func='mean')
我想知道如何解决它。