Python 或 Pandas 数据汇总（将表转换为 row_name 的字典：[col_name, value]....）

Question

请在下面的数据中找到索引名称重复 3 到 5 次的数据，因为月度报告不正确地合并了 3 个月，然后才交给我。

Name    Score   Rating
Peralta 0   40
Peralta 20  0
Peralta 0   0
Amy 0   40
Amy 20  40
Amy -20 40
Terry   0   0
Terry   -20 40
Terry   0   -40
Gina    20  0
Gina    0   0
Gina    -20 40

到目前为止，我只提取了列名，如最后的代码所示。但我无法将 “列名” 和 “单元格值” 放在一起。

我需要按以下格式汇总数据： （结果可以有制表符或逗号，视您的喜好而定。）

### Final Result
# IndexName [col_name, cell_value]  [sum of positive numbers, result] [sum of negative numbers, result]


Peralta [Rating, 40]    [Score, 20]     [Sum_Total_of_positive_numbers, 60]
Amy     [Rating, 40]    [Score, 20]     [Rating, 40]    [Score, -20]    [Rating, 40]    [Sum_Total_of_positive_numbers, 140]    [Sum_Total_of_negative_numbers, -20]
Terry   [Score, -20]    [Rating, 40]    [Rating, -40]   [Sum_Total_of_positive_numbers, 40] [Sum_Total_of_negative_numbers, -60]
Gina    [Score, 20]     [Score, -20]    [Rating, 40]    [Sum_Total_of_positive_numbers, 60] [Sum_Total_of_negative_numbers, -20]

所有用于汇总数据的标准 pandas 函数都没有帮助，和/或可用于以上述格式提供摘要的其他库不存在。

以下代码实际上有助于降低列名，但是与该列+行相关的单元格的值没有出现..

for k, v in dff_dict.items():               # k: name of index, v: is a df
    check = v.columns[(v == 20).any()]
    if len(check) > 0:
        print((k, check.to_list()), file=open("output.txt", "a"))

请问有什么方法可以实现第二张表中显示的“最终结果”？ （最终结果不一定是任何特定格式，如数据框或表格） 谢谢。。

注意：

原始数据可能包含20多列数百行，但我已经对数据进行了简化，所以请不要只限于几行或几列。'

最后 2 个括号内的值显示了该行中所有正数和负数的总和，在降低值后。正数和负数分开。

这里有一篇有用的文章(Closest Possible answer)，但是我需要 [column_name, value] 而不仅仅是 [row:value]

Answer 1

考虑到“正数和负数分别相加”的要求，我认为如果您可以将整个数据集分成两部分，这会更容易。

从您的示例数据开始：

import pandas as pd
import numpy as np
data = [
{"Name": "Peralta", "Score": 0, "Rating": 40},
{"Name": "Peralta", "Score": 20, "Rating": 0},
{"Name": "Peralta", "Score": 0, "Rating": 0},
{"Name": "Amy", "Score": 0, "Rating": 40},
{"Name": "Amy", "Score": 20, "Rating": 40},
{"Name": "Amy", "Score": -20, "Rating": 40},
{"Name": "Terry", "Score": 0, "Rating": 0},
{"Name": "Terry", "Score": -20, "Rating": 40},
{"Name": "Terry", "Score": 0, "Rating": -40},
{"Name": "Gina", "Score": 20, "Rating": 0},
{"Name": "Gina", "Score": 0, "Rating": 0},
{"Name": "Gina", "Score": -20, "Rating": 40},
]
df = pd.DataFrame(data).set_index("Name")

我们可以使用正值和负值预测：

df_pos = df.where(df>=0, other=0)
df_neg = df.where(df<0, other=0)

然后分组和求和以获得您想要的结果：

df_pos = df_pos.groupby(by="Name").sum()
df_pos["total_positive"] = df_pos.apply(np.sum, axis=1)

df_neg = df_neg.groupby(by="Name").sum()
df_neg["total_negative"] = df_neg.apply(np.sum, axis=1)

注意 - 在此阶段，数据仍位于两个数据帧中，并未展平为您显示的 [field, value] 格式。