在熊貓中簡單的交叉制表

Question

我偶然發現了大熊貓 ，它看起來很適合我想做的簡單計算。 我有一個SAS背景，並且認為它取代了proc freq - 看起來它將擴展到我將來可能要做的事情。 但是，我似乎無法DataFrames一個簡單的任務（我不確定我是否應該查看pivot/crosstab/indexing - 我是否應該有一個Panel或DataFrames等...）。 有人可以給我一些關於如何做以下事項的指示：

我有兩個CSV文件（一個用於2010年，一個用於2011年 - 簡單的事務數據） - 列是類別和金額

2010：

AB,100.00
AB,200.00
AC,150.00
AD,500.00

2011：

AB,500.00
AC,250.00
AX,900.00

它們被加載到單獨的DataFrame對象中。

我想做的是獲取類別，類別的總和以及類別的頻率，例如：

2010：

AB,300.00,2
AC,150.00,1
AD,500.00,1

2011：

AB,500.00,1
AC,250.00,1
AX,900.00,1

我無法弄清楚我是否應該使用pivot/crosstab/groupby/an index等...我可以得到總和或頻率 - 我似乎無法得到兩者......它變得有點復雜因為我想逐個月地做這件事，但我想如果有人能夠如此友好地指出我能夠從那里出發的正確技術/方向。

Answer 1

v0.21回答

將pivot_table與index參數一起使用：

df.pivot_table(index='category', aggfunc=[len, sum])

           len   sum
         value value
category            
AB           2   300
AC           1   150
AD           1   500

---

<= v0.12

對於那些感興趣的人，可以使用pivot_table來做到這一點：

In [8]: df
Out[8]: 
  category  value
0       AB    100
1       AB    200
2       AC    150
3       AD    500

In [9]: df.pivot_table(rows='category', aggfunc=[len, np.sum])
Out[9]: 
            len    sum
          value  value
category              
AB            2    300
AC            1    150
AD            1    500

請注意，結果的列是分層索引的。 如果您有多個數據列，您將得到如下結果：

In [12]: df
Out[12]: 
  category  value  value2
0       AB    100       5
1       AB    200       5
2       AC    150       5
3       AD    500       5

In [13]: df.pivot_table(rows='category', aggfunc=[len, np.sum])
Out[13]: 
            len            sum        
          value  value2  value  value2
category                              
AB            2       2    300      10
AC            1       1    150       5
AD            1       1    500       5

使用__builtin__.sum與np.sum是你從后者獲得NA處理。 可能會攔截內置的Python，現在就會對此做一個說明。

Answer 2

假設您有一個名為2010.csv的文件，其中包含內容

category,value
AB,100.00
AB,200.00
AC,150.00
AD,500.00

然后，使用在groupby之后應用多個聚合函數的功能 ，您可以說：

import pandas
data_2010 = pandas.read_csv("/path/to/2010.csv")
data_2010.groupby("category").agg([len, sum])

你應該得到一個類似的結果

          value     
            len  sum
category            
AB            2  300
AC            1  150
AD            1  500

請注意，Wes可能會指出sum已經過優化，你應該使用np.sum。