python上的数据透视表答案

【问题标题】：Pivot Tables on pythonpython上的数据透视表
【发布时间】：2019-09-27 13:00:31
【问题描述】：

我有一个带有数据表的 csv。我想读取 csv 并根据初始 csv 编写一个新的 xlsx 文件。

但是，我还想添加一个新列，该列将具有基于标题名称的值（例如，如果标题包含在线单词）并基于此逻辑创建某种数据透视表。因此，与使用三列线索相反，我将一列由三行表示（每列）

date    online_won    retail_won     outbound_won    online_leads   retail_leads     outbound_leads
1/1/11     9            10              11             12             14
2/1/11     1            2               13             15
3/1/11     10           8               14             17

这是想要的输出

date      source   won    leads
1/1/11    online    9       12
1/1/11    retail   10       14
1/1/11    outbound 11       
.....

我假设我可以使用 pd.pivot_table 解决这个问题。但无法弄清楚如何将列返回为 won 和 Lead，并仅从现有列中提取 online/retail/outbound 部分。

【问题讨论】：

标签： python pandas pivot-table

【解决方案1】：

您可以使用pd.wide_to_long，在列上做一些额外的工作，因为假设宽格式变量以存根名称开头：

df.columns = ['_'.join(j for j in i[::-1]) for i in df.columns.str.split('_')]
(pd.wide_to_long(df, stubnames=['won','leads'], i='date', j='source', suffix='_\w+')
   .reset_index())

    date     source   won  leads
0  1/1/11    _online    9   12.0
1  2/1/11    _online    1   15.0
2  3/1/11    _online   10   17.0
3  1/1/11    _retail   10   14.0
4  2/1/11    _retail    2    NaN
5  3/1/11    _retail    8    NaN
6  1/1/11  _outbound   11    NaN
7  2/1/11  _outbound   13    NaN
8  3/1/11  _outbound   14    NaN

【讨论】：

这正是我的解决方案:-)。
哈！似乎我们在那里有相同的思考过程:) @quang

【解决方案2】：

通过列重命名，您可以使用wide_to_long

df.columns = ['_'.join(x.split('_')[::-1]) for x in df.columns ]
pd.wide_to_long(df, ['won','leads'], 'date', 'source', sep='_', suffix='\w+')

输出：

                 won  leads
date   source              
1/1/11 online      9   12.0
2/1/11 online      1   15.0
3/1/11 online     10   17.0
1/1/11 retail     10   14.0
2/1/11 retail      2    NaN
3/1/11 retail      8    NaN
1/1/11 outbound   11    NaN
2/1/11 outbound   13    NaN
3/1/11 outbound   14    NaN

【讨论】：

不错的一个.. 比我的这个用例更好

【解决方案3】：

将melt 和series.str.split() 与unstack() 一起使用的另一种方式`：

m=df.melt('date').sort_values('date')
m[['Source','Status']]=m.pop('variable').str.split('_',expand=True)
final=(m.set_index(['date','Source','Status']).unstack()
             .droplevel(0,axis=1).reset_index().rename_axis(None,axis=1))

     date    Source  leads   won
0  1/1/11    online   12.0   9.0
1  1/1/11  outbound    NaN  11.0
2  1/1/11    retail   14.0  10.0
3  2/1/11    online   15.0   1.0
4  2/1/11  outbound    NaN  13.0
5  2/1/11    retail    NaN   2.0
6  3/1/11    online   17.0  10.0
7  3/1/11  outbound    NaN  14.0
8  3/1/11    retail    NaN   8.0

【讨论】：

【解决方案4】：

将DataFrame.set_index 与str.split 一起用于MultiIndex，因此可以通过第一级DataFrame.stack 0：

df = df.set_index('date')
df.columns = df.columns.str.split('_', expand=True)
df = df.stack(0).rename_axis(('date','Source')).reset_index()
print (df)
     date    Source  leads  won
0  1/1/11    online   12.0    9
1  1/1/11  outbound    NaN   11
2  1/1/11    retail   14.0   10
3  2/1/11    online   15.0    1
4  2/1/11  outbound    NaN   13
5  2/1/11    retail    NaN    2
6  3/1/11    online   17.0   10
7  3/1/11  outbound    NaN   14
8  3/1/11    retail    NaN    8

【讨论】：