在熊猫的多级pivot_table上使用pandas可以通过以下步骤实现:
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
'Value': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)
pivot_table = df.pivot_table(values='Value', index='Name', columns='Category', aggfunc='sum')
在上述代码中,我们指定了值(values)、行索引(index)、列索引(columns)和聚合函数(aggfunc)。
print(pivot_table)
输出结果如下:
Category A B
Name
Alice 40 40
Bob 50 20
Charlie 30 60
在这个例子中,我们使用了一个包含姓名、类别和值的数据框。通过使用pivot_table函数,我们将姓名作为行索引,类别作为列索引,并对值进行求和。最后,我们得到了一个多级透视表,其中行表示姓名,列表示类别,值表示对应的求和结果。
请注意,这只是一个简单的示例,你可以根据自己的数据和需求进行适当的调整。
关于pandas和pivot_table的更多信息,你可以参考腾讯云的相关产品和文档:
高校公开课
云+社区技术沙龙[第1期]
云+社区沙龙online [云原生技术实践]
云+社区技术沙龙[第9期]
云原生正发声
云原生正发声
Elastic 中国开发者大会
高校公开课
第五届Techo TVP开发者峰会
领取专属 10元无门槛券
手把手带您无忧上云