Question

我有以下数据框：

Name1   Name2   Month   Mode    Value1 Value2
A       N       Sep     Plan    9       9
B       N       Nov     Plan    6       6
B       N       Jan     Plan    6       6
C       N       Feb     Actual  4       4
C       N       Jul     Actual  3       3
D       N       May     Plan    2       2
E       N       Apr     Actual  6       6
F       N       Feb     Actual  7       7
E       N       May     Actual  4       4
F       N       Jun     Plan    3       3
<+ 100 more rows>

考虑当前月份为6月，则预期输出如下：

Name1   Name2   Mode    Value1  Value2
C       N       Actual    4       4                                             
D       N       Plan      2       2                                             
E       N       Actual    10      10                                                
F       N       Actual    7       7                                             
F       N       Plan      3       3

在这里，我已经从2月：当前月（在本例中为6月）开始按月对行进行过滤，然后对每个模式进行分组以查找所有名称。（例如：F仅实际使用一次，而计划仅使用一次）

我以前尝试过对列进行转置，然后使用以下内容汇总直到当前月份的数据：

df = pd.DataFrame({'Name1':df['Name1'], 'previous_mt':df.loc[:,prev_month], 'current_mt':df.loc[:,this_month]})

其中：

    prev = curr_month.replace(day=1) - timedelta(days=1)
    prev_month = prev.strftime("%B")[:3]

    curr_month = dt.datetime.now()
    this_month = curr_month.strftime("%B")[:3]

但是，这变得非常复杂，因为实际数据具有很多模式，而且还有很多年的数据。有没有一种更简单的解决方案可以避免这种并发症并可以实现类似的解决方案？

最后，我希望具有以下数据框：

Name1   Name2   Actual_Value1   Actual_Value2   Plan_Value1 Plan_Value1
C       N           4              4                            
D       N                                           2             2         
E       N           10             10                               
F       N           7              7                3             3

我猜我可以在pandas中使用pivot_table使用这种格式：

df=pd.pivot_table(df_input,index=['Name1', 'Name2'], 
                      columns=['Mode'],
                      values=['Value1', 'Value2'], 
                      aggfunc=np.sum, fill_value=0).reset_index().rename_axis(1)

Answer 1

在Pandas中，使用 pivot_table 转置表数据（行变成列）。
确保使用 reset_index（）将数据透视表对象转换为数据框

基于示例数据集，此代码提供了您正在寻找的结果：

lstAllMonths=['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
curMth = datetime.today().month  # 7=July
curMth = 6  # Jun for testing
lstMth = lstAllMonths[1:curMth]

df = df[df['Month'].isin(lstMth)][['Name1','Name2','Mode','Value1','Value2']]
gb = df.groupby(['Name1','Name2','Mode'])
dfagg = gb.agg({'Value1':sum, 'Value2':sum})

dfpvt = pd.pivot_table(dfagg,index=['Name1', 'Name2'], 
                      columns=['Mode'],
                      values=['Value1', 'Value2'], 
                      aggfunc=np.sum, fill_value=0).reset_index().rename_axis(1)
                      
dfpvt.columns=['Name1','Name2','Actual_Value1','Plan_Value1','Actual_Value2','Plan_Value2']
dfpvt.replace(0,'', inplace=True)
dfpvt = dfpvt[['Name1','Name2','Actual_Value1','Actual_Value2','Plan_Value1','Plan_Value2']]    
print(dfpvt)

Python：在熊猫数据框中选择与2月到当前月份匹配的行

1 个答案: