我有一个看起来像这样的数据框:
D Type Value
0 1 A 2
1 1 B 4
2 2 C 1
3 1 A 1
我想按 D 和 Type 分组并对值求和。
data=df.groupby(['D','Type']).sum()
print(data)
这给了我这个结果:
D Type Value
1 A 3
B 4
2 C 3
但我想要这种格式:
D A B C
1 3 4 Nan
2 Nan Nan 3
请您参考如下方法:
更新:
r = df.pivot_table(index=['D'], columns='Type', aggfunc='sum').reset_index()
r.columns = [tup[1] if tup[1] else tup[0] for tup in r.columns]
r.to_csv('c:/temp/out.csv', index=False)
结果:
D,A,B,C
1,3.0,4.0,
2,,,1.0
原答案:
你可以使用pivot_table()方法:
In [7]: df.pivot_table(index=['D'], columns='Type', aggfunc='sum', fill_value=0)
Out[7]:
Value
Type A B C
D
1 3 4 0
2 0 0 1
或使用 NaN:
In [8]: df.pivot_table(index=['D'], columns='Type', aggfunc='sum')
Out[8]:
Value
Type A B C
D
1 3.0 4.0 NaN
2 NaN NaN 1.0
PS 我认为您的 groupby... 部分有错字:
In [10]: df.groupby(['D','Type']).sum()
Out[10]:
Value
D Type
1 A 3
B 4
2 C 1
应该有 C --> 1 而不是 C --> 3
