如何根据两列的条件求和并使用 Pandas 以交叉表格式呈现？答案

【问题标题】：How to sum based on the condition of two columns and presented in crosstab format using Pandas?如何根据两列的条件求和并使用 Pandas 以交叉表格式呈现？
【发布时间】：2021-01-24 04:07:12
【问题描述】：

给定下面的数据框：

Name    Activity    Hour    Month
A       TT          5       1
A       TT          2       1
A       UU          1       1
A       UU          1       2
A       UU          1       3
B       TT          40      3
C       UU          10      1
D       TT          2       2
D       TT          2       2
D       TT          2       2
D       TT          5       1

如果行具有相同的列Name 和Activity 的值，则下一步是求和。

例如，对于Name: A 和Activity: TT 的情况，将给出7 的总和

然后，我想以交叉表格式呈现，根据month和activity分组，如下所示

                Month
       1           2          3
    TT  UU      TT  UU      TT  UU
A   7   1       0   1       0   1
B   0   0       0   0       40  0
C   0   10      0   0       0   0
D   5   0       6   0       0   0

请问这是否可以直接使用pandas crosstab来实现？

p.s.，类似但不同的主题已单独讨论here。请让我知道这个线程是否被认为是 OP 的副本

【问题讨论】：

标签： python pandas dataframe crosstab

【解决方案1】：

考虑下面的df：

In [93]: df
Out[93]: 
   Name Activity  Hour  Month
0     A       TT     5      1
1     A       TT     2      1
2     A       UU     1      1
3     A       UU     1      2
4     A       UU     1      3
5     B       TT    40      3
6     C       UU    10      1
7     D       TT     2      2
8     D       TT     2      2
9     D       TT     2      2
10    D       TT     5      1

解决方案：1如果你想使用pd.crosstab，你可以这样做：

In [92]: pd.crosstab(df.Name, columns=[df.Month, df.Activity], values=df.Hour, aggfunc='sum').fillna(0)
Out[92]: 
Month       1          2          3     
Activity   TT    UU   TT   UU    TT   UU
Name                                    
A         7.0   1.0  0.0  1.0   0.0  1.0
B         0.0   0.0  0.0  0.0  40.0  0.0
C         0.0  10.0  0.0  0.0   0.0  0.0
D         5.0   0.0  6.0  0.0   0.0  0.0

解决方案：2 你可以使用df.pivot_table:

In [89]: df.pivot_table(index='Name', columns=['Month', 'Activity'], values='Hour', aggfunc='sum', fill_value=0)
Out[89]: 
Month     1      2      3   
Activity TT  UU TT UU  TT UU
Name                        
A         7   1  0  1   0  1
B         0   0  0  0  40  0
C         0  10  0  0   0  0
D         5   0  6  0   0  0

【讨论】：

谢谢，我从来不知道pivot_table和crosstab可以用来做同样的演示。很好的曝光
是的，它们非常相似。很高兴为您提供帮助。

【解决方案2】：

您也可以使用groupby 作为您之前的问题

df_final = df.groupby(['Month','Activity','Name']).Hour.sum().unstack([0,1], fill_value=0)

Out[338]:
Month     1      2      3
Activity TT  UU TT UU  TT UU
Name
A         7   1  0  1   0  1
B         0   0  0  0  40  0
C         0  10  0  0   0  0
D         5   0  6  0   0  0

【讨论】：