使用交叉表在 Pandas 中聚合具有不同聚合函数的多个列

Question

我有以下格式的 dataframe。 让我们称之为 df

标志 1	标志2	类型	计数 1	count2
一种	X	新的	10	2个
一种	是	老的	40	5个
一种	X	老的	50	6个
一种	是	新的	15	1个

我正在尝试获取以下格式。 （我无法合并 count1 和 count2 的相邻单元格）

		计数 1		count2
		新的	老的	新的	老的
一种	X	10	50	2个	6个
一种	是	15	40	1个	5个

当我不得不只对一列 (count1) 进行聚合时，我尝试了以下操作，并且以下操作有效：

pd.crosstab([df.flag1,df.flag2], df.type, values=df.count1, aggfunc='sum') 

但是由于我想要两列数据，count1 和 count2，我尝试了以下但没有成功

pd.crosstab([df.flag1,df.flag2], df.type, values=[df.count1,df.count2], aggfunc=['sum','sum']) #trial1
pd.crosstab([df.flag1,df.flag2], df.type, values=[df.count1,df.count2], aggfunc='sum') #trial2

他们都没有工作。

扩展：我应该能够在不同的列上使用不同的功能。 在 count1 上求和，在 count2 上求和，或者在 count1上求和，在 count2 上求和

Answer 1

我认为这里不可能使用crosstab ，替代方案是DataFrame.pivot_table ：

df = df.pivot_table(index=['flag1','flag2'], 
                    columns='type', 
                    aggfunc={'count1':'sum', 'count2':'nunique'})
print (df)
            count1     count2    
type           new old    new old
flag1 flag2                      
a     x         10  50      1   1
      y         15  40      1   1

聚合的另一种选择：

df = (df.groupby(['flag1','flag2','type'])
        .agg({'count1':'sum', 'count2':'nunique'})
        .unstack())
print (df)
            count1     count2    
type           new old    new old
flag1 flag2                      
a     x         10  50      1   1
      y         15  40      1   1