Question

目前，我有一个结构类似这样的数据框

InvoiceNo  Month  Year  Size
     1       1    2014   7
     2       1    2014   8
     3       2    2014   11
     4       3    2015   9
     5       7    2015   8.5

以此类推...

我正在尝试创建一个函数，该函数将按年份对Dframe进行细分，然后按大小和月份进行分组，然后计算InvoiceNo，最后将该数据帧拆栈。

我一直在做的事情是这样的：

x = 2014

def Year_calc(df):
    return df[df['Year'] == x].groupby(['Size','Month']).agg({'InvoiceNo': 'count'}).unstack(0).columns.droplevel(0).fillna(0)

然后是df2014 = Year_calc（df）

但是它返回以下输出：

Float64Index([], dtype='float64', name='Size')

有人能指出我做错了什么吗？

Answer 1

使用groupby，count和unstack：

res = df.groupby(['Year', 'Size', 'Month',]).InvoiceNo.count().unstack(0, fill_value=0)
res

Year        2014  2015
Size Month            
7.0  1         1     0
8.0  1         1     0
8.5  7         0     1
9.0  3         0     1
11.0 2         1     0

或者，等效于pivot_table：

res = df.pivot_table(index=['Size', 'Month'], 
                     columns='Year', 
                     values='InvoiceNo', 
                     aggfunc='count', 
                     fill_value=0)

Year        2014  2015
Size Month            
7.0  1         1     0
8.0  1         1     0
8.5  7         0     1
9.0  3         0     1
11.0 2         1     0

比较如下：

res[2014] > res[2015]

或者，只计算所需的年份：

(df[df.Year.eq(2014)]
     .groupby(['Size', 'Month'])
     .InvoiceNo
     .count()
     .unstack(1, fill_value=0))

Month  1  2
Size       
7.0    1  0
8.0    1  0
11.0   0  1

Answer 2

df.apply会将行或列作为Series对象传递-取决于您指定的轴。它不会传递整个数据帧。

如果要将功能应用于整个数据框，df2014 = Year_calc(df)怎么样？

您还应该考虑将year作为参数传递给函数-这样可以很清楚year_calc函数在做什么。

Answer 3

这是输入数据：

import pandas as pd

d = {'InvoiceNo':[1,2,3,4,5],'Month':[1,1,2,3,7],'Year':[2014,2014,2014,2015,2015],'Size':[7,8,11,9,8.5]}
df = pd.DataFrame(data = d)

解决方案1：

使用先前的答案和您提供的元素，这是我设法编写的功能：

def Year_calc(data, year):

# grouping the by Size and month
t1 = data.loc[data.Year == year].groupby(['Size','Month'])

#count the number of Invoice for the given year
t2 = t1.InvoiceNo.count().unstack(0, fill_value=0)
return t2

这是年份= 2014的返回表：

Size   7.0   8.0   11.0
Month                  
1         1     1     0
2         0     0     1

解决方案2 由于您删除了年份作为参数，因此似乎不需要做任何调整，您可以先按年份选择行，然后再进行分组，也可以按年份，月份，大小进行分组，然后选择与所需年份相对应的行。

def Year_calc(data):

    # grouping the by Year, Size and month
    t1 = data.groupby(['Year','Month','Size'])

    #count the number of Invoice for the given year
    t2 = t1.InvoiceNo.count().unstack(2, fill_value=0)
    return t2

未经过滤的输出为：

Size    7.0     8.0     8.5     9.0     11.0
Year    Month                   
2014    1   1   1   0   0   0
        2   0   0   0   0   1
2015    3   0   0   0   1   0
        7   0   0   1   0   0

假设您需要2015年的数据，然后键入：

tdf = Year_calc(data = df)
tdf.xs(2015) 
# or
test.loc[(2015,),:]

返回的结果：

Size    7.0     8.0     8.5     9.0     11.0
Month                   
    3    0       0       0       1       0
    7    0       0       1       0       0

请检查这篇文章中的多索引切片：here

希望这会有所帮助！

创建用于堆叠数据框的函数

3 个答案: