pandas pivot_table 不分组

pandas pivot_table without grouping

在不提供分组的情况下使用 pandas.pivot_table 计算整个 table 的聚合函数的最佳方法是什么?

例如,如果我想将 A、B、C 的总和计算为单行 table,而不按任何列分组:

>>> x = pd.DataFrame({'A':[1,2,3],'B':[8,7,6],'C':[0,3,2]})
>>> x
   A  B  C
0  1  8  0
1  2  7  3
2  3  6  2
>>> x.pivot_table(values=['A','B','C'],aggfunc=np.sum)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/tools/pivot.py", line 103, in pivot_table
    grouped = data.groupby(keys)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/generic.py", line 2434, in groupby
    sort=sort, group_keys=group_keys, squeeze=squeeze)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/groupby.py", line 789, in groupby
    return klass(obj, by, **kwds)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/groupby.py", line 238, in __init__
    level=level, sort=sort)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/groupby.py", line 1622, in _get_grouper
    raise ValueError('No group keys passed!')
ValueError: No group keys passed!

另外,我想使用自定义的aggfunc,上面的np.sum只是一个例子。

谢谢。

我想你问的是如何将函数应用于数据框的所有列:为此调用数据框的 apply 方法:

def myfunc(col):
   return np.sum(col)

x.apply(myfunc)

Out[1]: 
A     6
B    21
C     5
dtype: int64

我有同样的错误,我在 Pandas 数据框上使用 pivot_table 参数,

import numpy as np
# Pivot for mean weekly_sales for each store type
mean_sales_by_type = sales.pivot_table(values='weekly_sales')

# Print mean_sales_by_type
print(mean_sales_by_type)

错误如下:

File "<stdin>", line 889, in __init__
grouper, exclusions, obj = get_grouper(
File "<stdin>", line 896, in get_grouper
raise ValueError("No group keys passed!")
ValueError: No group keys passed!

最终通过指定 pivot_table 函数的索引参数(在值之后)修复了它

mean_sales_by_type = sales.pivot_table(values='weekly_sales',index='type')

在你的情况下试试这个:-

x.pivot_table(values=['A','B','C'],**value=[]**,aggfunc=np.sum)