pandas 中的简单交叉表

Question

我偶然发现了pandas，它看起来非常适合我想做的简单计算。我有 SAS 背景，并认为它会取代 proc freq - 看起来它会扩展到我将来可能想做的事情。但是，我似乎无法完成一项简单的任务（我不确定我是否应该查看pivot/crosstab/indexing - 我是否应该拥有Panel 或DataFrames 等... ）。有人可以给我一些关于如何执行以下操作的指示：

我有两个 CSV 文件（一个用于 2010 年，一个用于 2011 年 - 简单的交易数据）- 列是类别和金额

2010 年：

AB,100.00
AB,200.00
AC,150.00
AD,500.00

2011：

AB,500.00
AC,250.00
AX,900.00

这些被加载到单独的 DataFrame 对象中。

我要做的是获取类别，类别之和，类别的频率，例如：

2010 年：

AB,300.00,2
AC,150.00,1
AD,500.00,1

2011：

AB,500.00,1
AC,250.00,1
AX,900.00,1

我不知道是否应该使用pivot/crosstab/groupby/an index 等等......我可以得到总和或频率 - 我似乎无法同时得到......它变得有点复杂，因为我想每月做一次，但我想如果有人很乐意为我指出正确的技术/方向，我将能够从那里开始。

Answer 1

v0.21回答

将pivot_table 与index 参数一起使用：

df.pivot_table(index='category', aggfunc=[len, sum])

           len   sum
         value value
category            
AB           2   300
AC           1   150
AD           1   500

---

<= v0.12

有兴趣的人可以使用pivot_table 来做到这一点：

In [8]: df
Out[8]: 
  category  value
0       AB    100
1       AB    200
2       AC    150
3       AD    500

In [9]: df.pivot_table(rows='category', aggfunc=[len, np.sum])
Out[9]: 
            len    sum
          value  value
category              
AB            2    300
AC            1    150
AD            1    500

请注意，结果的列是分层索引的。如果你有多个数据列，你会得到这样的结果：

In [12]: df
Out[12]: 
  category  value  value2
0       AB    100       5
1       AB    200       5
2       AC    150       5
3       AD    500       5

In [13]: df.pivot_table(rows='category', aggfunc=[len, np.sum])
Out[13]: 
            len            sum        
          value  value2  value  value2
category                              
AB            2       2    300      10
AC            1       1    150       5
AD            1       1    500       5

使用__builtin__.sum 与np.sum 的主要原因是您可以从后者获得NA 处理。可能会拦截 Python 内置，现在将对此进行说明。

Answer 2

假设您有一个名为 2010.csv 的文件，其中包含内容

category,value
AB,100.00
AB,200.00
AC,150.00
AD,500.00

然后，使用申请multiple aggregation functions following a groupby的能力，你可以说：

import pandas
data_2010 = pandas.read_csv("/path/to/2010.csv")
data_2010.groupby("category").agg([len, sum])

你应该得到一个看起来像这样的结果

          value     
            len  sum
category            
AB            2  300
AC            1  150
AD            1  500

请注意，Wes 可能会指出 sum 已优化，您可能应该使用 np.sum。