Skip to main content
 首页 » 编程设计

python之Pandas :按自定义类别分组,然后进行透视

2025年04月02日12xxx_UU

我有一个如下所示的数据框:

              Company Name                          Category  Amount 
0             Teva Limited  Consultancy                     650.000 
1             Teva Limited  Consultancy                       5.300 
2        Eli & Company Ltd  Events                           15.000 
3                     Meda  Events                           60.000 
4             Teva Limited  Events                          400.000 
4             Teva Limited  Travel                          202.000 
4                     Meda  Travel                          399.860 

我想创建一个新的数据框,其中每家公司一行,两列:咨询费用总额,以及其他一切费用总额,即事件 + 旅行。

所以它应该看起来像这样:

 Company Name        Spend Consultancy     Spend Other 
 Teva UK Limited     653.000               602.000 
 Meda Pharma         0.000                 459.860 

执行此操作的最佳方法是什么?

我已经按名称和类别对它进行了分组,并对金额求和,这是一个开始:

df.groupby(('Company Name', 'Category')).sum() 

但现在我不确定如何以定制的方式将类别组合在一起,或者如何将它们旋转到列中。我想我可能需要一个数据透视表?

感谢您的帮助!

请您参考如下方法:

你可以使用assign()用于创建仅包含 ['Consultancy', 'Other'] 类别的新 cat 列,然后在 pivot_table() 函数中使用此新列:

In [10]: (df.assign(cat=np.where(df.Category=='Consultancy', df.Category, 'Other')) 
   ....:    .pivot_table(index='Company Name', columns='cat', values='Amount', 
   ....:                 aggfunc='sum', fill_value=0) 
   ....: ) 
Out[10]: 
cat                Consultancy   Other 
Company Name 
Eli & Company Ltd          0.0   15.00 
Meda                       0.0  459.86 
Teva Limited             655.3  602.00 

或将 Company Name 作为常规列:

In [17]: %paste 
(df.assign(cat=np.where(df.Category=='Consultancy', df.Category, 'Other')) 
   .pivot_table(index='Company Name', columns='cat', values='Amount', 
                aggfunc='sum', fill_value=0) 
   .reset_index() 
) 
## -- End pasted text -- 
Out[17]: 
cat       Company Name  Consultancy   Other 
0    Eli & Company Ltd          0.0   15.00 
1                 Meda          0.0  459.86 
2         Teva Limited        655.3  602.00 

解释:

In [11]: df.assign(cat=np.where(df.Category=='Consultancy', df.Category, 'Other')) 
Out[11]: 
        Company Name     Category  Amount          cat 
0       Teva Limited  Consultancy  650.00  Consultancy 
1       Teva Limited  Consultancy    5.30  Consultancy 
2  Eli & Company Ltd       Events   15.00        Other 
3               Meda       Events   60.00        Other 
4       Teva Limited       Events  400.00        Other 
5       Teva Limited       Travel  202.00        Other 
6               Meda       Travel  399.86        Other