Question

以下代码生成名为out的pandas表。

import pandas as pd 
import numpy as np

df = pd.DataFrame({'Book': ['B1', 'B1', 'B2', 'B3', 'B3', 'B3'], 
                   'Trader': ['T1', 'Z2', 'Z2', 'T1', 'U3', 'T2'], 
                   'Position':[10, 33, -34, 87, 43, 99]})
df = df[['Book', 'Trader', 'Position']]

table = pd.pivot_table(df, index=['Book', 'Trader'], values=['Position'], aggfunc=np.sum)

print(table)

tab_tots = table.groupby(level='Book').sum()
tab_tots.index = [tab_tots.index, ['Total'] * len(tab_tots)]
print(tab_tots)

out = pd.concat(
    [table, tab_tots]
).sort_index().append(
    table.sum().rename(('Grand', 'Total'))
)

表out看起来像

但我希望它看起来像

注意第二个表总是将'Total'放在底部。所以基本上我仍然想按字母顺序排序，但我想总是把'Total'放在最后。有人可以提供我的代码调整，以提供我想要的输出吗？

Answer 1

Pandas在pivot_table函数中具有内置功能来计算边际总数。

table = pd.pivot_table(df, 
               index='Book', 
               columns='Trader', 
               values='Position', 
               aggfunc=np.sum, 
               margins=True, 
               margins_name='Total').drop('Total').stack()
table[('Grand', 'Total')] = table.sum()
table.name = 'Position'
table.reset_index()

     Book Trader  Position
0      B1     T1      10.0
1      B1     Z2      33.0
2      B1  Total      43.0
3      B2     Z2     -34.0
4      B2  Total     -34.0
5      B3     T1      87.0
6      B3     T2      99.0
7      B3     U3      43.0
8      B3  Total     229.0
13  Grand  Total     238.0

基于排序多索引的解决方案

此解决方案从您的out DataFrame开始，继续您的分析。您可以将Book和Trader转换为Pandas分类类型，它允许您通过传递参数ordered=True和categories的列表来自定排序。

out = out.reset_index()

trader_cats = pd.Categorical(out['Trader'], 
                   categories=sorted(df.Trader.unique()) + ['Total'], 
                   ordered=True)

book_cats = pd.Categorical(out['Book'], 
                   categories=sorted(df.Book.unique()) + ['Grand'], 
                   ordered=True)

out['Trader'] = trader_cats
out['Book'] = book_cats
out.set_index(['Book', 'Trader'], inplace=True)
out.sort_index(level=['Book', 'Trader'])

              Position
Book  Trader          
B1    T1            10
      Z2            33
      Total         43
B2    Z2           -34
      Total        -34
B3    T1            87
      T2            99
      U3            43
      Total        229
Grand Total        238

Answer 2

您可以使用groupby与unstack进行重塑。然后，轻松添加新的hostname001列，计算Total和stack。最后按loc添加新行：

Grand Total

与其他解决方案相比：

df1 = df.groupby(['Book','Trader']).Position.sum().unstack()
df1['Total'] = df1.sum(1)
all_sum = df1['Total'].sum()
df1 = df1.stack()
df1.loc[('Grand','Total')] = all_sum
df1 = df1.reset_index(name='Position')
print (df1)
    Book Trader  Position
0     B1     T1      10.0
1     B1     Z2      33.0
2     B1  Total      43.0
3     B2     Z2     -34.0
4     B2  Total     -34.0
5     B3     T1      87.0
6     B3     T2      99.0
7     B3     U3      43.0
8     B3  Total     229.0
9  Grand  Total     238.0

结论：

对于小计是更快的def jez(df): df1 = df.groupby(['Book','Trader']).Position.sum().unstack() df1['Total'] = df1.sum(1) all_sum = df1['Total'].sum() df1 = df1.stack() df1.loc[('Grand','Total')] = all_sum df1 = df1.reset_index(name='Position') return (df1) def ted1(df): table = pd.pivot_table(df, index=['Book'], columns=['Trader'], values=['Position'], aggfunc=np.sum, margins=True, margins_name='total') return table.stack()\ .rename({'total':'Total'})\ .reset_index(1)\ .rename({'Total':'Grand'})\ .reset_index()\ .query('Book != "Grand" | Trader == "Total"') print (jez(df)) print (ted1(df)) In [419]: %timeit (jez(df)) 100 loops, best of 3: 5.65 ms per loop In [420]: %timeit (ted1(df)) 10 loops, best of 3: 26.5 ms per loop解决方案，也更简单groupby+unstack小计。

sum更容易使用旋转（一个函数），但使用小计+总行数进行操作会更复杂。

如何自定义pandas多索引排序？

2 个答案:

基于排序多索引的解决方案