使用 Python Pandas 处理数据并进行数据透视

Question

我有一个简单的 DataFrame，其中包含不同年份、地区和国家/地区的人口数据：

df = pd.DataFrame({'country': ['one', 'one', 'one', 'two', 'two',
                           'two'],
                   'region': ['A', 'B', 'C', 'D', 'E', 'C'],
                   'population 2015': [10, 20, 30, 40, 50, 90],
                   'population 2016': [100, 200, 300, 400, 500, 900]})

我如下旋转 DataFrame，将其转换为特定结构：

df1 = df.pivot(index='region', columns='country', values=['population 2015', 'population 2016']).fillna(0)
df1

现在，我正在努力计算每个地区每年的总人口。我想以一种有效且可概括的方式做到这一点，例如不使用循环。但也许通过使用 .apply() 和 .sum() 方法，或者使用 lambda 函数。

输出应该类似于：

df = pd.DataFrame({'region': ['A', 'B', 'C', 'D', 'E'],
                   'population 2015': [10, 20, 120, 40, 50],
                   'population 2016': [100, 200, 1200, 400, 500]})

非常感谢您提前提供的帮助！

Answer 1

您可以使用level 和sum：

df1 = df1.sum(level=0, axis=1).reset_index()
print(df1)

输出：

  region  population 2015  population 2016
0      A             10.0            100.0
1      B             20.0            200.0
2      C            120.0           1200.0
3      D             40.0            400.0
4      E             50.0            500.0

匹配输出格式：

df1 = df1.sum(level=0, axis=1).reset_index()
df1.iloc[:, 1:] = df1.iloc[:, 1:].astype(int)
print(df1)

  region  population 2015  population 2016
0      A               10              100
1      B               20              200
2      C              120             1200
3      D               40              400
4      E               50              500