啊啊啊啊啊吖

2019-03-01   阅读量: 1895

数据分析师 Python数据分析

如何根据一列中的唯一值将df拆分为较小的df

我希望提供基于Year_Month的年度报告以及完成交易的数量和数量等各种指标。以下允许对更大的数据集进行适当的格式化。

import pandas as pd

import numpy as np

dfTest = [

('Client', ['A','A','A','A',

'B','B','B','B',

'C','C','C','C',

'D','D','D','D']),

('Year_Month', ['2018-08', '2018-08', '2018-10','2018-11',

'2018-08', '2018-08', '2018-10','2018-11',

'2018-08', '2018-08', '2018-10', '2018-11',

'2018-08', '2018-08', '2018-10', '2018-11']),

('Volume', [100, 200, 300,400,

1, 2, 3,4,

10, 20, 30,40,

1000, 2000, 3000,4000]

),

('state', ['Done', 'Tied Done', 'Tied Done','Done',

'Passed', 'Done', 'Passed', 'Done',

'Rejected', 'Done', 'Passed', 'Done',

'Done', 'Done', 'Done', 'Done']

)

]

df = pd.DataFrame.from_items(dfTest)

print(df)

样本数据

Client Year_Month Volume state

0 A 2018-08 100 Done

1 A 2018-08 200 Tied Done

2 A 2018-10 300 Tied Done

3 A 2018-11 400 Done

4 B 2018-08 1 Passed

5 B 2018-08 2 Done

6 B 2018-10 3 Passed

7 B 2018-11 4 Done

8 C 2018-08 10 Rejected

9 C 2018-08 20 Done

10 C 2018-10 30 Passed

11 C 2018-11 40 Done

12 D 2018-08 1000 Done

13 D 2018-08 2000 Done

14 D 2018-10 3000 Done

15 D 2018-11 4000 Done

0.0000 0 3 关注作者 收藏

评论(1)

啊啊啊啊啊吖
2019-03-01

根据客户端将df吐成较小的df

d = dict(tuple(df.groupby('Client')))

print(d)

print("")

# Print each split df

for i in d.values():

print(i, '\n')

print("")

根据Year_Month和音量旋转每个df

for i in d.values():

volume = pd.pivot_table(data=i,

values='Volume',

index=['Client'],

columns=['Year_Month'],

aggfunc= sum

).reset_index().fillna(0)

print(volume, '\n')

print("")

Year_Month Client 2018-08 2018-10 2018-11

0 A 300 300 400

Year_Month Client 2018-08 2018-10 2018-11

0 B 3 3 4

Year_Month Client 2018-08 2018-10 2018-11

0 C 30 30 40

Year_Month Client 2018-08 2018-10 2018-11

0 D 3000 3000 4000

根据Year_Month和交易次数转动每个df

for i in d.values():

count = pd.pivot_table(data=i,

values='Volume',

index=['Client'],

columns=['Year_Month'],

aggfunc= np.count_nonzero

).reset_index().fillna(0)

print(count, '\n')

Year_Month Client 2018-08 2018-10 2018-11

0 A 2 1 1

Year_Month Client 2018-08 2018-10 2018-11

0 B 2 1 1

Year_Month Client 2018-08 2018-10 2018-11

0 C 2 1 1

Year_Month Client 2018-08 2018-10 2018-11

0 D 2 1 1

0.0000 0 0 回复

推荐课程