pandas 数据透视表总计

Question

我正在研究一个场景，我必须找到在 python 中创建的 Picot 表的小计和总计。收到错误并请求您提供反馈。

A   B   C   D   E   F   G   H   %I     J    K
W   P   E   6   0   0   0   0   0%     0    0
W   P   F   3   0   0   0   0   0%     0    0
W   P   G   1   0   0   0   0   0%     0    0
X   P   H   23  2   2   0   0   76%    0    0
X   P   I   8   0   0   0   0   0%     0    0
X   P   J   1   0   0   0   0   0%     0    0
X   P   E   5   2   0   1   0   78%    0    0
X   P   K   36  0   0   0   0   0%     0    0
X   P   F   35  5   5   0   0   89%    1    0
X   P   G   40  9   6   2   1   22%    4    0
X   P   L   6   1   0   1   0   45%    0    0

A、B 和 C 列是索引列，我正在尝试获取

1. A 级列的小计，因此 W 值总计和 X 值总计
2. 从 D 到 K 的总计
3. 如何计算获得总百分比值？我无法汇总或任何其他操作，因为我觉得它不会给我正确的答案。

tbl = pd.pivot_table(
    C,
    values=['D', 'E', 'F', 'G', 'H', '% I', 'J', 'K'],
    index=['A', 'B', 'C'],
    aggfunc=[{
        'D': np.sum,
        'E': np.sum,
        'F': np.sum,
        'G': np.sum,
        'H': np.sum,
        '% I': np.sum,
        'J': np.sum,
        'K': np.sum}],
    fill_value=0,
    margins=True,
    margins_name='Total')

预期产出

A   B   C      D    E   F   G  H  %I     J  K
W   P   E      6    0   0   0  0  0%     0  0
W   P   F      3    0   0   0  0  0%     0  0
W   P   G      1    0   0   0  0  0%     0  0
Sub Total (W)  10   0   0   0  0  Auto%  0  0
X   P   H      23   2   2   0  0  76%    0  0
X   P   I      8    0   0   0  0  0%     0  0
X   P   J      1    0   0   0  0  0%     0  0
X   P   E      5    2   0   1  0  78%    0  0
X   P   K      36   0   0   0  0  0%     0  0
X   P   F      35   5   5   0  0  89%    1  0
X   P   G      40   9   6   2  1  22%    4  0
X   P   L      6    1   0   1  0  45%    0  0
Sub Total (X)  154  19  13  4  1  Auto%  5  0
Grand Total    164  19  13  4  1  Auto%  5  0

Answer 1

假设我正确理解您的问题，您必须手动计算特定列的小计和总计。由于我不知道您想要哪个聚合函数，因此我假设它是平均值，但您可以轻松更改它。只需尝试一下代码即可实现您想要的效果。所以，像这样的东西可以完成这项工作：

import pandas as pd
import numpy as np

data = {
    'A': ['W', 'W', 'W', 'X', 'X', 'X', 'X', 'X', 'X', 'X', 'X'],
    'B': ['P'] * 11,
    'C': ['E', 'F', 'G', 'H', 'I', 'J', 'E', 'K', 'F', 'G', 'L'],
    'D': [6, 3, 1, 23, 8, 1, 5, 36, 35, 40, 6],
    'E': [0, 0, 0, 2, 0, 0, 2, 0, 5, 9, 1],
    'F': [0, 0, 0, 2, 0, 0, 0, 0, 5, 6, 0],
    'G': [0, 0, 0, 0, 0, 0, 1, 0, 0, 2, 1],
    'H': [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0],
    '% I': ['0%', '0%', '0%', '76%', '0%', '0%', '78%', '0%', '89%', '22%', '45%'],
    'J': [0, 0, 0, 0, 0, 0, 0, 0, 1, 4, 0],
    'K': [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
}

df = pd.DataFrame(data)

pivot_table = pd.pivot_table(
    df,
    values=['D', 'E', 'F', 'G', 'H', 'J', 'K'],
    index=['A', 'B', 'C'],
    aggfunc=np.sum,
    fill_value=0,
    margins=True,
    margins_name='Total'
)

df['% I'] = df['% I'].str.rstrip('%').astype(float)
pivot_table['% I'] = df.groupby(['A', 'B', 'C'])['% I'].mean()

subtotals = pivot_table.groupby(level=0).sum()
subtotals['% I'] = df.groupby('A')['% I'].mean()
grand_total = pivot_table.sum()
grand_total['% I'] = df['% I'].mean()

subtotals = subtotals.rename(index=lambda x: f'Sub Total ({x})')
pivot_table = pd.concat([pivot_table, subtotals])
pivot_table.loc['Grand Total'] = grand_total

pivot_table = pivot_table.reset_index()

代码的结果是：