Question

我正在尝试获取特定格式的csv，以便其他代码可以正确读取它。我使用Ordereddicts订购了它，但它需要更长的时间，我的绘图代码给了我“StringIO（）不接受关键字参数”错误。虽然我认为我可以修复它，但我更喜欢我的value_counts方法，因为它更快。我得到一个包含正确信息的csv文件，接下来我需要的步骤就是格式化。我在类似问题上查找了多个线程，但没有查找如何对这种特定方式进行排序。

我的代码：

import csv
import numpy as np
import pandas as pd
from collections import defaultdict, Counter
import pandas.util.testing as tm; tm.N = 3

data = pd.DataFrame.from_csv('MYDATA.csv')

data[['QualityIssue','CompanyName']]
data['QualityIssue'].value_counts()
RatedCustomerCallers = data['CompanyName'].value_counts()
TopCustomerCallers = RatedCustomerCallers[0:18]
print(TopCustomerCallers)

TopCustomerCallers.to_csv('topcustomercallerslist.csv')

byqualityissue = data.groupby(["CompanyName","QualityIssue"]).size()
print byqualityissue
byqualityissue.to_csv('byqualityissue.csv', header=True)

输出：

CompanyName,     QualityIssue,        0
Company 1,       Equipment Error,     15
Company 2,       User Error,          1
Company 2,       Equipment Error,     5
Company 3,       Equipment Error,     3
Company 3,       User Error,          10
Company 3,       Neither,             13

针对每种类型的问题重复公司名称。

但是，我希望它按热门客户排序（添加设备数量，用户数量，没有呼叫数量）并以这种方式显示：

Top Calling Customers,         Equipment,    User,    Neither,
Company 3,                      3,           10,        13,
Company 1,                      15,           0,        0,
Customer 2,                      5,           1,        0,

我尝试使用数据透视表

df = pd.DataFrame(byqualityissue)
df.pivot(index='CompanyName', columns='QualityIssue', values='0')

但它给了我KeyError：'0'，这很奇怪，因为我把它放在值的输入。此外，我不确定它是否会起作用，因为每个客户的输出只是他们调用的类型。因为，公司1只有设备错误调用，因此它不会列出用户错误或两个调用。不确定数据透视表是否会考虑到这一点。

Answer 1

读取您的CSV文件。通过公司和质量问题对其进行索引，然后在质量问题上将其取消堆叠。最后，替换发生的Nan值，因为找不到匹配的数据

In [341]: d1
Out[341]:
    Company Name Quality Issue  Cases
0         Co 1     Equipment     15
1         Co 2          User      1
2         Co 2     Equipment      5
3         Co 3     Equipment      3
4         Co 3          User     10
5         Co 3       Neither     13

In [342]: d2 = d1.set_index(["Company Name", "Quality Issue"])

In [343]: d2
Out[343]:
                        Cases
Company Name Quality Issue
Co 1         Equipment         15
Co 2         User               1
             Equipment          5
Co 3         Equipment          3
             User              10
             Neither           13

In [344]: d3 = d2.unstack("Quality Issue")

In [345]: d3.fillna(0)
Out[345]:
    Cases
Quality Issue  Equipment  Neither  User
Company Name
Co 1                  15        0     0
Co 2                   5        0     1
Co 3                   3       13    10

Answer 2

本着StackOverflow的精神，这就是我解决问题的方法。

import numpy as np
import pandas as pd
import pandas.util.testing as tm; tm.N = 3

data = pd.DataFrame.from_csv('MYDATA.csv')
byqualityissue = data.groupby(["CompanyName","QualityIssue"]).size()
df = pd.DataFrame(byqualityissue)

formatted = df.unstack(level=-1)
formatted[np.isnan(formatted)] = 0
formatted.to_csv('byqualityissue.csv', header=True)

includingtotals = pd.concat([formatted,pd.DataFrame(formatted.sum(axis=1),columns=['Total'])],axis=1)
sorted = includingtotals.sort_index(by=['Total'], ascending=[False])

我使用unstack来重新组织我的数据，将NaN值替换为0，将所有行相加并添加带有这些值的新列，然后进行排序。

将列数据值的计数累计为单独的列

2 个答案: