Question

我有一个我试图转动的DataFrame。

df

   col_1    col_2   col_3   col_4
    John    Method  4       White
     Tom    Method  29613   White
   Harry    Method  147     White
    John    Method  84      Blue
     Tom    Method  28      Blue
    John    Method  222085  Black
     Tom    Method  159459  Black
   Harry    Method  2204225 Black
    John    Method  600253  Green
     Tom    Method  3156210 Green
   Harry    Method  4343635 Green
   Harry    Method  4343635 Green

预期结果：

newDf

           Black    Blue    Green   White
Harry     2204225          8687270  147
John       222085   84     600253   4
 Tom       159459   28     3156210  29613

我的代码：

newDf = pd.pivot_table(df, values='col_3', index=['col_1'], columns=['col_4'], aggfunc={'col_3' : 'sum'})

列类型如下：

df.dtypes 

col_1     object
col_2     object
col_3     int64
col_4      object
dtype: object

错误：

ValueError: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

有人可以帮我吗？谢谢！

Answer 1

In [54]: df.pivot_table(values='col_3', index='col_1', columns='col_4', aggfunc='sum', fill_value=0)
Out[54]:
col_4    Black  Blue    Green  White
col_1
Harry  2204225     0  8687270    147
John    222085    84   600253      4
Tom     159459    28  3156210  29613

如果你想用空字符串替换NaN：

In [55]: df.pivot_table(values='col_3', index='col_1', columns='col_4', aggfunc='sum', fill_value='')
Out[55]:
col_4    Black Blue    Green  White
col_1
Harry  2204225       8687270    147
John    222085   84   600253      4
Tom     159459   28  3156210  29613

但结果是包含此类空字符串的列将为string（object）dtype：

In [56]: df.pivot_table(values='col_3', index='col_1', columns='col_4', aggfunc='sum', fill_value='').dtypes
Out[56]:
col_4
Black     int64
Blue     object
Green     int64
White     int64
dtype: object

Answer 2

您已将dict传递给aggfunc，然后您不需要将该列指向value

pd.pivot_table(df,index=['col_1'], columns=['col_4'], aggfunc={'col_3' : 'sum'})
Out[564]: 
           col_3                          
col_4      Black  Blue      Green    White
col_1                                     
Harry  2204225.0   NaN  8687270.0    147.0
John    222085.0  84.0   600253.0      4.0
Tom     159459.0  28.0  3156210.0  29613.0

Answer 3

在您的数据透视之前，您需要处理缺失的值。 df.fillna(0, inplace=True)会做到这一点。

DataFrame的真值是不明确的。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）

3 个答案: