Question

数据帧：

df = pd.DataFrame({
    'date': [1,1,2,2,3,4,4],
    'id': [1,1,1,2,2,2,3],
    'item': [200,201,200,333,334,334,444],
    'buy': [1,1,2,5,4,0,1]
})

df = df[['date','id','item','buy']]


date    id  item    buy
0   1   1   200     1
1   1   1   201     1
2   2   1   200     2
3   2   2   333     5
4   3   2   334     4
5   4   2   334     0
6   4   3   444     1

方法1：

df2 = df.pivot_table（index = [＆＃39; id＆＃39;，＆＃39; item＆＃39;]，columns = [＆＃39; date＆＃39;]， aggfunc =＆＃39; sum＆＃39;，fill_value = 0）.reset_index（）

    id  item    buy
date            1   2   3   4
0   1   200     1   2   0   0
1   1   201     1   0   0   0
2   2   333     0   5   0   0
3   2   334     0   0   4   0
4   3   444     0   0   0   1

我怎样才能获得专栏＆＃39; 1＆＃39;或者＆＃39; 2＆＃39;或者＆＃39; 3＆＃39;或者＆＃39; 4＆＃39; ＆＃39;购买＆＃39;柱？

我的试用版重命名了这样的列名称。

df2.columns = ["".join((str(i),str(j))) for i,j in df2.columns]

    id  item    buy1    buy2    buy3    buy4
0   1   200     1       2       0       0
1   1   201     1       0       0       0
2   2   333     0       5       0       0
3   2   334     0       0       4       0
4   3   444     0       0       0       1

和df2 [＆＃39; buy1＆＃39;]，df2.buy2 ......我想要什么

这是我的问题。

如何在pandas中的pivot_table之后获得一个多级索引列？直接在没有重命名的多级结构上...

方法2：

df2 = df.groupby（[＆＃39; ID＆＃39;＆＃39;项目＆＃39;＆＃39;日期＆＃39;]）。。buy.sum（）出栈（fill_value = 0）.reset_index（） df2.columns.names = [＆＃39;＆＃39;]

    id  item    1   2   3   4
0   1   200     1   2   0   0
1   1   201     1   0   0   0
2   2   333     0   5   0   0
3   2   334     0   0   4   0
4   3   444     0   0   0   1

如果使用groupby＆amp;像方法2一样的unstack，我可以避免多级索引问题，但

但我还是想知道一个方法在pivot_table之后得到一个多级索引列。

Answer 1

对于pivot，您可以指出values，然后您将收到所需内容

df.pivot_table(index=['id','item'], columns=['date'], values='buy',aggfunc='sum', fill_value=0).reset_index()
Out[64]: 
date  id  item  1  2  3  4
0      1   200  1  2  0  0
1      1   201  1  0  0  0
2      2   333  0  5  0  0
3      2   334  0  0  4  0
4      3   444  0  0  0  1

如何在pandas中的pivot_table之后获得一个多级索引列？

1 个答案: