Groupby 单列并使用 Pandas 合并

Posted 2023-02-15

【中文标题】Groupby 单列并使用 Pandas 合并

【英文标题】：Groupby single column and merge using Pandas

【发布时间】：2022-01-15 16:14:18

【问题描述】：

我有一个数据框 df，我需要明智地合并部门

输入

我的输出

预期输出

【问题讨论】：

在合并中参与 两个 DataFrame。您未能显示第二个 DataFrame（与您合并您的第一个 DataFrame。另一个需要更正的细节：将您的源数据（两个 DataFrame）作为 文本，而不是图片。我们既没有时间也不想从图片中重写你的源数据。并展示你到目前为止尝试过的代码。更多细节：你的输出和期望的输出有什么区别？

@gomathi，您是在问如何在 excel 输出中合并 cells 吗？

是的@Jayvee，我想合并单元格

@Gomathi 您可能需要使用 openpyxl 或 xslxwriter 来完成。这个答案可能会有所帮助：***.com/questions/61217923/…

【参考方案1】：

看起来你不想要任何合并，但你想做类似的事情 “unstack” Projects 列，针对每个 Department 和 Employee 和 添加一些派生数据。

按如下方式进行：

定义一个函数以将数字格式化为带有 2 位小数的百分比：

def perc2(n):
    return f'n * 100:.2f%'

定义一个组处理函数：

def grpProc(grp):
    billSum = grp.groupby('Billable').Hours.sum()
    s = grp.set_index('Projects').Hours.rename('')
    s.index.name = None
    s['Total'] = s.sum()
    s['Available'] = 168
    s['Utilization'] = perc2(s.Total/s.Available)
    s['Billable Utilization'] = perc2(billSum['Yes']  / 168)\
        if 'Yes' in billSum.index else ''
    s['Non Billable Utilization'] = perc2(billSum['No']  / 168)\
        if 'No' in billSum.index else ''
    return s

要生成结果，请将源 DataFrame 分组并应用 对每个组进行上述功能：

result = df.groupby(['Department Name', 'Employee Name'], sort=False)\
    .apply(grpProc).reset_index()

为了测试我的代码，我提取了您的数据子集，稍作改动：

  Employee Name Department Name  Projects Billable  Hours
0           Anu           Maths  Project1      Yes  56.00
1           Anu           Maths  Project2      Yes  61.00
2           Anu           Maths  Project3      Yes  62.00
3          Bala           Maths  Project1      Yes  70.00
4          Bala           Maths  Project2      Yes  69.00
5          Bala           Maths  Project3      Yes  61.67
6          Ravi        Commerce  Project1      Yes  64.00
7          Ravi        Commerce  Project2      Yes  42.00
8          Ravi        Commerce  Project3       No  62.00

我得到的结果是：

  Department Name Employee Name  Project1  Project2  Project3   Total  Available Utilization Billable Utilization Non Billable Utilization
0           Maths           Anu      56.0      61.0     62.00  179.00      168.0     106.55%              106.55%                         
1           Maths          Bala      70.0      69.0     61.67  200.67      168.0     119.45%              119.45%                         
2        Commerce          Ravi      64.0      42.0     62.00  168.00      168.0     100.00%               63.10%                   36.90%