Python:在pandas数据帧中选择匹配二月到当前月份的行

Question

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)

Answer 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)