熊猫，多索引

Posted 2023-03-12

【中文标题】熊猫，多索引

【英文标题】：Pandas, mulitindexing

【发布时间】：2016-10-16 12:17:05

【问题描述】：

我有需要为每列聚合的数据，然后再次为每列聚合。我需要的是每个独特客户的每个产品类别的总支出。多索引应该这样做。问题是我是 Pandas 的新手，我不懂多索引。

我的数据结构如下：

 Customer  Products  Amount
1  001       Toys      5
2  002       Toys      6
3  002       Cars      7
4  001       Toys      2
5  001       Cars      9

我需要这样的：

Customers Products      Sum of ammount
001       Toys          7
          Cars          9
002       Toys          6
          Cars          7

稍后我需要对其进行转换，以便获得每个产品类别、每个客户的总支出。

Customer Toys Cars
001      7    9
002      6    7

我一直在玩代码，但我被卡住了。一直在阅读，但没有找到我正在寻找的东西。

【参考方案1】：

我认为您可以将groupby 与sum 一起使用：

df1 = df.groupby(['Customer','Products'])['Amount'].sum().reset_index(name='Sum of ammount')
print (df1)
  Customer Products  Sum of ammount
0      001     Cars               9
1      001     Toys               7
2      002     Cars               7
3      002     Toys               6

那么你可以使用pivot from df1:

print (df1.pivot(index='Customer',columns='Products',values='Sum of ammount'))
Products  Cars  Toys
Customer            
001          9     7
002          7     6

如果需要pivot_table from df:

print (df.pivot_table(index='Customer',columns='Products',values='Amount', aggfunc=sum))
Products  Cars  Toys
Customer            
001          9     7
002          7     6

编辑：

为了更好的df，你可以reset_index 和rename_axis（pandas0.18.0 中的新功能）：

print (df.pivot_table(index='Customer',columns='Products',values='Amount', aggfunc=sum)
         .reset_index()
         .rename_axis(None, axis=1))

  Customer  Cars  Toys
0      001     9     7
1      002     7     6

print (df1.pivot(index='Customer',columns='Products',values='Sum of ammount')
          .reset_index()
          .rename_axis(None, axis=1))

  Customer  Cars  Toys
0      001     9     7
1      002     7     6

【讨论】：

谢谢耶兹瑞尔。我最终将在 3000 万行上执行此操作，我担心带有枢轴的 RAM。我有 32 GB 可用空间。旋转的效率如何？

Phhhooo，很难的问题，但pivot 是非常困难且消耗内存的操作。不过你可以试试。

我很好奇它如何与您的大号DataFrame 配合使用。

您提供的输入在一个小样本上效果很好。我添加了一个填充（0）。我现在将尝试在完整数据集上运行脚本。会让你知道。谢谢 Jazreal。

顺便说一句，也许你忘了accept我的老solution。你也可以accept这个解决方案。谢谢。