为pandas数据透视表中的每个值列定义aggfunc
为pandas数据透视表中的每个值列定义aggfunc
提问于 2013-11-21 19:14:46
正在尝试生成一个包含多个"values“列的数据透视表。我知道我可以使用aggfunc以我想要的方式聚合值，但是如果我不想对两列进行求和或求平均值，而是想要一列的和和另一列的平均值，那该怎么办？那么，有没有可能用熊猫做到这一点呢？
df = pd.DataFrame({
'A' : ['one', 'one', 'two', 'three'] * 6,
'B' : ['A', 'B', 'C'] * 8,
'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 4,
'D' : np.random.randn(24),
'E' : np.random.randn(24)
})现在，这将得到一个带有sum的数据透视表：
pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc=np.sum)这是mean的意思：
pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc=np.mean)如何获得D的sum和E的mean
希望我的问题足够清楚。
回答 3
Stack Overflow用户
回答已采纳
发布于 2013-11-21 19:50:25
您可以concat two DataFrames
>>> df1 = pd.pivot_table(df, values=['D'], rows=['B'], aggfunc=np.sum)
>>> df2 = pd.pivot_table(df, values=['E'], rows=['B'], aggfunc=np.mean)
>>> pd.concat((df1, df2), axis=1)
D E
B
A 1.810847 -0.524178
B 2.762190 -0.443031
C 0.867519 0.078460或者，您可以将函数列表作为aggfunc参数进行传递，然后重新编制索引：
>>> df3 = pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc=[np.sum, np.mean])
>>> df3
sum mean
D E D E
B
A 1.810847 -4.193425 0.226356 -0.524178
B 2.762190 -3.544245 0.345274 -0.443031
C 0.867519 0.627677 0.108440 0.078460
>>> df3 = df3.ix[:, [('sum', 'D'), ('mean','E')]]
>>> df3.columns = ['D', 'E']
>>> df3
D E
B
A 1.810847 -0.524178
B 2.762190 -0.443031
C 0.867519 0.078460如果能为每一列单独定义aggfunc，那就太好了。不知道怎么做，可能是传入了类似{'D':np.mean, 'E':np.sum}的aggfunc字典参数。
更新透视实际上，在您的情况下，您可以通过手动旋转透视
>>> df.groupby('B').aggregate({'D':np.sum, 'E':np.mean})
E D
B
A -0.524178 1.810847
B -0.443031 2.762190
C 0.078460 0.867519Stack Overflow用户
发布于 2014-07-03 07:13:24
您可以通过传入dict将特定函数应用于特定列。
pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc={'D':np.sum, 'E':np.mean})Stack Overflow用户
发布于 2019-02-02 19:56:27
table = pivot_table(df, values=['D', 'E'], index=['A', 'C'],
aggfunc={'D': np.mean,'E': np.sum})表D E平均总和A C条形大5.500000 7.500000小5.500000 8.500000 foo大2.000000 4.500000小2.333333 4.333333
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/20119414
复制相关文章
相似问题
腾讯云开发者
