我有以下数据帧:
Name1 Name2 Month Mode Value1 Value2
A N Sep Plan 9 9
B N Nov Plan 6 6
B N Jan Plan 6 6
C N Feb Actual 4 4
C N Jul Actual 3 3
D N May Plan 2 2
E N Apr Actual 6 6
F N Feb Actual 7 7
E N May Actual 4 4
F N Jun Plan 3 3
<+ 100 more rows>
考虑到本月为6月,预计产量如下:
Name1 Name2 Mode Value1 Value2
C N Actual 4 4
D N Plan 2 2
E N Actual 10 10
F N Actual 7 7
F N Plan 3 3
在这里,我从二月到本月(在本例中为六月(按月份过滤了行,然后按每个模式分组查找所有名称。(例如:F对于实际情况和计划情况仅为一次(
我之前尝试过对列进行转置,然后使用以下内容来总结截至本月的数据:
df = pd.DataFrame({'Name1':df['Name1'], 'previous_mt':df.loc[:,prev_month], 'current_mt':df.loc[:,this_month]})
其中:
prev = curr_month.replace(day=1) - timedelta(days=1)
prev_month = prev.strftime("%B")[:3]
curr_month = dt.datetime.now()
this_month = curr_month.strftime("%B")[:3]
但这变得非常复杂,因为实际数据有很多很多模式,还有很多年的数据。对于同样的问题,有没有更简单的解决方案可以避免这种复杂性,并实现类似的解决方案?
最后,我希望有以下数据帧:
Name1 Name2 Actual_Value1 Actual_Value2 Plan_Value1 Plan_Value1
C N 4 4
D N 2 2
E N 10 10
F N 7 7 3 3
我想我可以在pandas中使用pivot_table获得这种格式:
df=pd.pivot_table(df_input,index=['Name1', 'Name2'],
columns=['Mode'],
values=['Value1', 'Value2'],
aggfunc=np.sum, fill_value=0).reset_index().rename_axis(1)
- 在Pandas中,使用pivot_table转置表数据(行变列(
- 请确保使用reset_index((将数据透视对象转换为数据帧
基于您的样本数据集,此代码给出了您要查找的结果:
lstAllMonths=['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
curMth = datetime.today().month # 7=July
curMth = 6 # Jun for testing
lstMth = lstAllMonths[1:curMth]
df = df[df['Month'].isin(lstMth)][['Name1','Name2','Mode','Value1','Value2']]
gb = df.groupby(['Name1','Name2','Mode'])
dfagg = gb.agg({'Value1':sum, 'Value2':sum})
dfpvt = pd.pivot_table(dfagg,index=['Name1', 'Name2'],
columns=['Mode'],
values=['Value1', 'Value2'],
aggfunc=np.sum, fill_value=0).reset_index().rename_axis(1)
dfpvt.columns=['Name1','Name2','Actual_Value1','Plan_Value1','Actual_Value2','Plan_Value2']
dfpvt.replace(0,'', inplace=True)
dfpvt = dfpvt[['Name1','Name2','Actual_Value1','Actual_Value2','Plan_Value1','Plan_Value2']]
print(dfpvt)