使用数据透视 table (pandas) 中的小计行时保留索引部分（不同的列）

Question

我正在尝试在数据透视表 table 中添加小计行（使用 pandas pd.pivot_table）。这是代码 table = pd.pivot_table(df, values= ['Quantity', 'Money', 'Cost'], index=['house','date', 'currency', 'family name'], columns=[], fill_value=0, aggfunc=np.sum)。这是对应的输出（导出到excel）：

然后，我尝试使用 house 作为参考来获取小计行。我按照 link 中所述的步骤进行操作，因此我使用 tablesum = table.groupby(level='house').sum() 创建了一个组。在我尝试连接 table 和 tablesum 数据帧之前，一切似乎都很好。这是我得到的（对于家庭 A）：

基本上，我得到了table的索引中所述的四个类别（房子，日期，货币，姓氏）在一列（用逗号分隔） ).因此，即使我按房屋获得小计，我也失去了 pivot_table 分隔。所以，我的问题是：如何保留它（在不同列中维护 pivot_table 的索引）？

如有任何帮助，我们将不胜感激。

此致，

pd: 我也检查了这个 link Sub Total in pandas pivot Table 但这给了我另一种与字符串和数字相关的错误。

Answer 1

您可以在 goupby 之后使用转换来保持原始 table 布局。所以以下可能会给你想要的结果。

table.groupby(level='house').transform("sum")

如果这不是您想要的，请说明。

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.transform.html

Answer 2

您可以创建具有 4 个级别的自定义 MultiIndex，然后分配。

注意：第二层date必须转成字符串，因为concat也是字符串，否则得到：

TypeError: Cannot compare type 'Timestamp' with type 'str'

df = pd.DataFrame({'house':list('aaaaabbbbb'),
                   'date':['2015-01-01'] * 3 + ['2015-01-02'] * 2 + 
                          ['2015-01-01'] * 3 +['2015-01-02'] * 2,
                   'currency':['USD'] * 3 + ['NK'] * 2 + ['USD'] * 3 +['NK'] * 2,
                   'Quantity':[1,3,5,7,1,0,7,2,3,9],
                   'Money':[5,3,6,9,2,4,7,2,3,9],
                   'Cost':[5,3,6,9,2,4,7,2,3,9],
                   'family name':list('aabbccaabb')})

print (df)
   Cost  Money  Quantity currency        date family name house
0     5      5         1      USD  2015-01-01           a     a
1     3      3         3      USD  2015-01-01           a     a
2     6      6         5      USD  2015-01-01           b     a
3     9      9         7       NK  2015-01-02           b     a
4     2      2         1       NK  2015-01-02           c     a
5     4      4         0      USD  2015-01-01           c     b
6     7      7         7      USD  2015-01-01           a     b
7     2      2         2      USD  2015-01-01           a     b
8     3      3         3       NK  2015-01-02           b     b
9     9      9         9       NK  2015-01-02           b     b

#convert only for subtotal - join with empty strings
df['date'] = df['date'].astype(str)

table = pd.pivot_table(df, values= ['Quantity', 'Money', 'Cost'], 
                       index=['house','date', 'currency', 'family name'], 
                       fill_value=0, 
                       aggfunc=np.sum)
print (table)
                                       Cost  Money  Quantity
house date       currency family name                       
a     2015-01-01 USD      a               8      8         4
                          b               6      6         5
      2015-01-02 NK       b               9      9         7
                          c               2      2         1
b     2015-01-01 USD      a               9      9         9
                          c               4      4         0
      2015-01-02 NK       b              12     12        12

tablesum = table.groupby(level='house').sum()

tablesum.index = pd.MultiIndex.from_arrays([tablesum.index.get_level_values(0)+ '_sum', 
                                            len(tablesum.index) * [''],
                                            len(tablesum.index) * [''],
                                            len(tablesum.index) * ['']])

print (tablesum)
          Cost  Money  Quantity
a_sum       25     25        17
b_sum       25     25        21

print (tablesum.index)
MultiIndex(levels=[['a_sum', 'b_sum'], [''], [''], ['']],
           labels=[[0, 1], [0, 0], [0, 0], [0, 0]])


df = pd.concat([table, tablesum]).sort_index(level=0)
print (df)
                                       Cost  Money  Quantity
house date       currency family name                       
a     2015-01-01 USD      a               8      8         4
                          b               6      6         5
      2015-01-02 NK       b               9      9         7
                          c               2      2         1
a_sum                                    25     25        17
b     2015-01-01 USD      a               9      9         9
                          c               4      4         0
      2015-01-02 NK       b              12     12        12
b_sum                                    25     25        21

使用数据透视 table (pandas) 中的小计行时保留索引部分（不同的列）

Keeping index section (different columns) when subtotal row in pivot table (pandas) is used

pivot-table

subtotal

pandas

pandas-groupby