如何用pandas實(shí)現(xiàn)execl中的匯總行

最近小伙伴提出了幾個(gè)問(wèn)題，如何用pandas實(shí)現(xiàn)execl中的匯總行。

關(guān)于這個(gè)問(wèn)題，群里展開(kāi)了激烈的討論，最終經(jīng)過(guò)梳理總結(jié)出了以下兩個(gè)解決方法。一種是當(dāng)做透視時(shí)直接使用參數(shù)margins，另一種是當(dāng)無(wú)透視時(shí)手動(dòng)造出匯總行。

pivot_table

問(wèn)題(群成員"浮生如夢(mèng)")：

我想統(tǒng)計(jì)一月到十二月的所有數(shù)據(jù)應(yīng)該怎么寫(xiě)呢?

解決方法

• 用法：sum()、pivot_table

如果要對(duì)數(shù)據(jù)按行方向求和，直接使用sum()函數(shù)即可，設(shè)置參數(shù)axis=1(默認(rèn)是axis=0列方向?qū)α袛?shù)據(jù)求和)，然后將橫向求和結(jié)果賦給一個(gè)新的字段。此例中為求和，其他統(tǒng)計(jì)方式如mean、max、min等均同理。

# 生成測(cè)試數(shù)據(jù)
df = pd.DataFrame(np.random.randint(10,100,(9,12)),
                  columns=['JAN','FEB','MAR','APR','MAY','JUN','JUL','AUG','SEP','OCT','NOV','DEC'])
# 橫向求和
df['total'] = df.sum(axis=1)

此時(shí)已得到行方向的求和，如果我們想繼續(xù)計(jì)算列方向求和并顯示出來(lái)如何操作呢？可以借助pivot_table來(lái)實(shí)現(xiàn)，設(shè)置參數(shù)margins=True。

pd.pivot_table(df, index=df.index, aggfunc='sum', margins=True)

groupby+concat

問(wèn)題(群成員"張晶")：

pandas里面如何實(shí)現(xiàn)類(lèi)似excel中的匯總行？

kv = {'Name': {0: 'John', 1: 'Mack', 2: 'Lilei', 3: 'Kevin', 4: 'Alin', 5: 'Bob'},
 'Team': {0: 'A', 1: 'A', 2: 'B', 3: 'B', 4: 'C', 5: 'C'},
 'Jan': {0: 9, 1: 9, 2: 8, 3: 10, 4: 7, 5: 9},
 'Feb': {0: 10, 1: 7, 2: 8, 3: 7, 4: 6, 5: 8},
 'Mar': {0: 8, 1: 9, 2: 7, 3: 8, 4: 8, 5: 7},
 'Apri': {0: 8, 1: 7, 2: 6, 3: 7, 4: 6, 5: 8}}
df = pd.DataFrame(kv)

解決方法

用法：groupby、concat、sum、transform

該方法通過(guò)幾種用法的組合間接實(shí)現(xiàn)了行和列數(shù)據(jù)匯總。

• 對(duì)列數(shù)據(jù)的匯總求和比較取巧，使用groupby實(shí)現(xiàn)了對(duì)整列數(shù)據(jù)求和，求和sum函數(shù)中需設(shè)置numeric_only參數(shù)，只對(duì)數(shù)值求和。得到列匯總結(jié)果后將其與原數(shù)據(jù)進(jìn)行concat縱向拼接。
• 對(duì)行數(shù)據(jù)求和可以直接使用sum函數(shù)，通過(guò)axis=1指定橫向求和。

# 增加列匯總數(shù)據(jù)
total = df.groupby(lambda _: '總計(jì)').sum(numeric_only=True)
# 與原數(shù)據(jù)縱向拼接
df_total = pd.concat([df,total]).fillna('/')
# 對(duì)原數(shù)據(jù)數(shù)值類(lèi)型橫向求和
df_total['total'] = df_total.sum(numeric_only=True,axis=1)
df_total

如果想要對(duì)Team進(jìn)行分組求和，可以通過(guò)transform實(shí)現(xiàn)組合求和并添加為一個(gè)新的求和列。

# 分組內(nèi)求和
df_total['team_total'] = df_total.groupby(['Team'])['total'].transform('sum')
df_total

以上是本次分享內(nèi)容。