Pandas Pivot_table格式
Pandas Pivot_table格式
提问于 2015-10-28 17:51:11
如何使用单个aggfunc格式化多个值的pivot_table输出。多个值应该并排出现
数据帧为：
kpi_date ssaname bts_name call_volume call_drop
0 2015-09-01 Bangalore 1002_NUc_Marathalli 8962 0.62
1 2015-09-03 Bangalore 1002_NUc_Marathalli 6567 1.19
2 2015-09-02 Bangalore 1002_NUc_Marathalli 7033 0.63
3 2015-09-01 Bangalore 1003_IU2_Munnekolalu 4659 1.17
4 2015-09-02 Bangalore 1003_IU2_Munnekolalu 6671 0.46我希望输出为：
2015-09-01 2015-09-02
bts_name, call_volume call_drop call_volume call_drop 使用pivot_table
回答 2
Stack Overflow用户
发布于 2015-10-28 20:15:51
您可以使用groupby或pivot_table函数来聚合call_volume和call_drop。
Python代码：
# Method 1: Using pivot_table
pd.pivot_table(df,index=["kpi_date","bts_name"],aggfunc=np.average)
# Method 2: Using groupby
df.groupby(["kpi_date", "bts_name"]).agg({"call_volume": np.average, "call_drop": np.average})输出：
kpi_date bts_name call_drop call_volume
9/1/2015 1002_NUc_Marathalli 0.62 8962
1003_IU2_Munnekolalu 1.17 4659
9/2/2015 1002_NUc_Marathalli 0.63 7033
1003_IU2_Munnekolalu 0.46 6671
9/3/2015 1002_NUc_Marathalli 1.19 6567编辑
下面是将kpi_date作为列获取的代码
# Python code
df.pivot_table(['call_volume', 'call_drop'], ['bts_name'], 'kpi_date')
call_volume call_drop
kpi_date 9/1/2015 9/2/2015 9/3/2015 9/1/2015 9/2/2015 9/3/2015
bts_name
1002_NUc_Marathalli 8962 7033 6567 0.62 0.63 1.19
1003_IU2_Munnekolalu 4659 6671 NaN 1.17 0.46 NaNStack Overflow用户
发布于 2015-12-15 01:19:35
这就是你要找的东西吗？注意:为了便于打印，我将您的列重命名为“call_v”和“call_d”。
kpi_date ssaname bts_name call_v call_d
0 2015-09-01 Bangalore 1002_NUc_Marathalli 8962 0.62
1 2015-09-03 Bangalore 1002_NUc_Marathalli 6567 1.19
2 2015-09-02 Bangalore 1002_NUc_Marathalli 7033 0.63
3 2015-09-01 Bangalore 1003_IU2_Munnekolalu 4659 1.17
4 2015-09-02 Bangalore 1003_IU2_Munnekolalu 6671 0.46
df.groupby(['bts_name','kpi_date']).mean().stack().unstack(level=1).unstack(level=1)
kpi_date 2015-09-01 2015-09-02 2015-09-03
call_v call_d call_v call_d call_v call_d
bts_name
1002_NUc_Marathalli 8962 0.62 7033 0.63 6567 1.19
1003_IU2_Munnekolalu 4659 1.17 6671 0.46 NaN NaN基本上，这是一个在聚合之后的堆叠和出栈的问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/33387773
复制相关文章
相似问题
腾讯云开发者
